Prediksi Penyakit Diabetes Menggunakan Algoritma Random Forest Dan Logistic Regression Berbasis Machine Learning

Akbari, Muhammad Ikhlas (2026) Prediksi Penyakit Diabetes Menggunakan Algoritma Random Forest Dan Logistic Regression Berbasis Machine Learning. Diploma thesis, Universitas Nasional.

	Text COVER.pdf Download (632kB)
	Text BAB 1.pdf Download (352kB)
	Text BAB 2.pdf Download (473kB)
	Text BAB 3.pdf Download (666kB)
	Text BAB 4.pdf Download (681kB)
	Text BAB 5.pdf Download (276kB)
	Text LAMPIRAN.pdf Download (528kB)

Abstract

Diabetes melitus ialah salah satu penyakit kronis yang mempunyai prevalensi lumayan besar serta membutuhkan deteksi dini buat menghindari terbentuknya komplikasi yang lebih sungguh- sungguh. Pemanfaatan teknologi machine learning bisa jadi salah satu pemecahan dalam menolong proses prediksi penyakit diabet bersumber pada informasi kedokteran penderita. Riset ini bertujuan buat menyamakan performa algoritma Random Forest serta Logistic Regression dalam melaksanakan prediksi penyakit diabetes. Dataset yang digunakan pada riset ini merupakan Pima Indians Diabet Dataset yang diperoleh dari UCI Machine Learning Repository. Dataset tersebut diproses lewat sebagian tahapan, meliputi pembersihan informasi buat menanggulangi nilai tidak valid, pembelahan variabel fitur serta sasaran, dan pembagian informasi jadi informasi latih serta informasi uji. Model Random Forest serta Logistic Regression setelah itu dibentuk memakai informasi latih serta dievaluasi memakai informasi uji. Pengujian performa model dicoba dengan memakai confusion matrix serta metrik penilaian berbentuk accuracy, precision, recall, serta F1- score. Hasil riset menampilkan kalau kedua algoritma sanggup melaksanakan prediksi penyakit diabetes dengan lumayan baik. Tetapi, Logistic Regression menciptakan nilai akurasi serta F1- score yang lebih besar dibanding dengan Random Forest pada dataset yang digunakan. Perihal ini menampilkan kalau Logistic Regression mempunyai performa yang lebih baik serta lebih tidak berubah- ubah dalam memprediksi penyakit diabetes pada riset ini. Bersumber pada hasil tersebut, bisa disimpulkan kalau algoritma Logistic Regression lebih cocok digunakan buat prediksi penyakit diabetes pada dataset yang digunakan dalam riset ini. Riset ini diharapkan bisa jadi rujukan dalam pengembangan sistem prediksi penyakit diabetes berbasis machine learning di masa mendatang.

Item Type:	Thesis (Diploma)
Subjects:	T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	Delvy Aplirizani -
Date Deposited:	22 May 2026 08:32
Last Modified:	22 May 2026 08:32
URI:	https://repository.unas.ac.id/id/eprint/16205

Actions (login required)

View Item