PREDIKSI RISIKO DIABETES BERDASARKAN DATA GAYA HIDUP DENGAN ALGORITMA REGRESI LOGISTIK

Batuta, Muhammad Ibnu Hilmi (2026) PREDIKSI RISIKO DIABETES BERDASARKAN DATA GAYA HIDUP DENGAN ALGORITMA REGRESI LOGISTIK. Diploma thesis, Universitas Nasional.

	Text COVER.pdf Download (823kB)
	Text BAB 1.pdf Download (245kB)
	Text BAB 2.pdf Download (364kB)
	Text BAB 3.pdf Download (434kB)
	Text BAB 4.pdf Download (1MB)
	Text BAB 5.pdf Download (199kB)
	Text LAMPIRAN.pdf Download (664kB)

Abstract

Diabetes Melitus merupakan penyakit kronis yang prevalensinya terus meningkat dan erat
kaitannya dengan pola gaya hidup masyarakat. Penelitian ini bertujuan untuk
menganalisis pengaruh faktor gaya hidup terhadap risiko diabetes serta membangun
model prediksi menggunakan algoritma regresi logistik. Penelitian menggunakan
pendekatan kuantitatif dengan data yang diperoleh dari kuesioner terhadap 222
mahasiswa Universitas Nasional. Variabel independen meliputi riwayat keluarga,
aktivitas fisik, kualitas tidur, konsumsi makanan cepat saji, konsumsi gula, kebiasaan
merokok, konsumsi alkohol, durasi penggunaan layar, tingkat stres, dan Indeks Massa
Tubuh (IMT), sedangkan variabel dependen adalah risiko diabetes (berisiko/tidak
berisiko). Hasil penelitian menunjukkan bahwa model regresi logistik memiliki performa
sangat baik dengan nilai accuracy sebesar 95,6% dan Nagelkerke’s R Square sebesar
0,9963. Uji simultan menunjukkan bahwa variabel gaya hidup secara bersama-sama
berpengaruh signifikan terhadap risiko diabetes. Secara parsial, hanya variabel IMT yang
berpengaruh signifikan terhadap risiko diabetes dengan nilai p = 0,007. Penelitian ini
menghasilkan sistem prediksi berbasis web sebagai alat bantu deteksi dini risiko diabetes
berdasarkan data gaya hidup.

Item Type:	Thesis (Diploma)
Subjects:	R Medicine > R Medicine (General) T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User:	Irna Irna Yunita
Date Deposited:	28 Apr 2026 06:55
Last Modified:	28 Apr 2026 06:55
URI:	https://repository.unas.ac.id/id/eprint/15474

Actions (login required)

View Item