Deteksi Penyakit Diabetes Mellitus Menggunakan Algoritma Decision Tree Model Arsitektur C4.5

Achmad Afifuddin, 201969040031 (2023) Deteksi Penyakit Diabetes Mellitus Menggunakan Algoritma Decision Tree Model Arsitektur C4.5. Sarjana thesis, Universitas Yudharta.

	Text (Abstrak.pdf) 201969040031_Abstrak.pdf Download (16kB)
	Text (BAB%20I.pdf) 201969040031_BAB I.pdf Download (134kB)
	Text (BAB%20II.pdf) 201969040031_BAB II.pdf Restricted to Registered users only Download (330kB) | Request a copy
	Text (BAB%20III.pdf) 201969040031_BAB III.pdf Restricted to Registered users only Download (286kB) | Request a copy
	Text (BAB%20IV.pdf) 201969040031_BAB IV.pdf Restricted to Registered users only Download (265kB) | Request a copy
	Text (BAB%20V.pdf) 201969040031_BAB V.pdf Restricted to Registered users only Download (33kB) | Request a copy
	Text (Daftar%20Pustaka.pdf) 201969040031_Daftar Pustaka.pdf Download (147kB)
	Text (Halaman%20Depan.pdf) 201969040031_Halaman Depan.pdf Restricted to Registered users only Download (924kB) | Request a copy

Abstract

Diabetes mellitus (DM) merupakan penyakit metabolik yang ditandai dengan peningkatan kadar gula darah akibat gangguan pada sekresi insulin, kerja insulin atau keduanya. Penyakit diabetes menyerang dari segala kalangan usia, sehingga di perlukannya alat diagnosis baik untuk pencegahan, penanggulangan pada seseorang yang terdampak, salah satunya menggunakan bidang ilmu teknologi. Pada penelitian ini dilakukannya diagnosis pada penyakit diabetes menggunakan aplikasi dengan metode algoritma decision tree C4.5. Decision Tree C4.5 digunakan dalam model untuk memprediksi sebuah struktur pohon atau hirarki untuk mengubah data menjadi pohon keputusan dan aturan-aturan keputusan. Jenis pengumpulan dataset mengambil dari Kaggle sebanyak 2000. Hasil dari penelitian ini menunjukkan pada model prediksi algoritma Decision Tree C4.5 memiliki akurasi 96% dengan Menggunakan 5 variabel, maka dari hasil akurasi tersebut dibuatkan aplikasi deteksi penyakit diabetes mellitus guna untuk mendeteksi secara mandiri sebelum pergi kedokter.

Item Type:	Thesis (Sarjana)
Identification Number:	005.12 AFI D
Contributors:	Contribution Contributors Email Thesis advisor Lukman Hakim, S.Kom., P.hD, ㅤ UNSPECIFIED
Subjects:	Karya Umum > Ilmu Umum dan Komputer
Divisions:	Fakultas Teknik > Teknik Informatika
Date Deposited:	22 Nov 2023 07:54
Last Modified:	22 May 2024 06:08
URI:	https://repository.yudharta.ac.id/id/eprint/4279

Actions (login required)

View Item