Implementasi Support Vector Machine dalam Deteksi Diabetes Melalui Indikator Kesehatan

Authors

  • Nofrian Deny Hendrawan Universitas Merdeka Malang, Indonesia
  • Arif Saivul Affandi Universitas Merdeka Malang, Indonesia
  • Rizqullah Fani Fadhilrifat Universitas Merdeka Malang, Indonesia

Keywords:

Diabetes, Support Vector Machine, Tkinter, Deteksi Diabetes, Indikator Kesehatan

Abstract

Diabetes, sebagai masalah kesehatan global, memerlukan deteksi awal untuk pengelolaan efektif. Penelitian ini mengembangkan model deteksi diabetes menggunakan algoritma Support Vector Machine (SVM) yang diintegrasikan dengan antarmuka Tkinter. Model ini melibatkan data dari survei "Behavioral Risk Factor Surveillance System" 2021, mencakup indikator seperti BMI, tekanan darah tinggi, kolesterol tinggi, dan umur. Model SVM, dilatih dan diuji dengan data ini, menunjukkan akurasi dalam memprediksi risiko diabetes. Proses pengembangan meliputi pra-pemrosesan data, pemilihan fitur, dan normalisasi. SVM dengan kernel linear dipilih berdasarkan karakteristik data. Performa model dievaluasi menggunakan subset data, dan akurasinya menunjukkan efektivitasnya dalam deteksi diabetes. Setelah validasi, model diintegrasikan ke antarmuka Tkinter yang memungkinkan pengguna memasukkan data kesehatan dan menerima prediksi risiko diabetes secara real-time. Hasil menunjukkan potensi SVM sebagai alat bantu deteksi dini diabetes. Penelitian ini menyarankan penerapan SVM dalam analisis data kesehatan sebagai pendekatan efektif untuk deteksi awal diabetes, dengan rekomendasi penelitian lebih lanjut menggunakan dataset yang lebih luas dan variabel tambahan untuk meningkatkan akurasi model. Implementasi teknologi ini berpotensi maju dalam pencegahan dan pengelolaan diabetes.

Downloads

Published

2024-01-04

Issue

Section

Articles

Citation Check