Maulana, Anan (2025) Deteksi dini diabetes berbasis machine learning menggunakan algoritma gradient boosting terintegrasi web flask / Anan Maulana</p>. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
Diabetes mellitus merupakan salah satu penyebab kematian terbesar di dunia. Kasus diabetes diproyeksikan akan terus meningkat dari tahun ke tahun lebih dari 70% kasus diabetes tidak terdiagnosis secara medis sehingga penderita diabetes tidak menyadari dirinya menderita diabetes. Salah satu penyebab tingginya persentase tersebut adalah sulitnya akses ke layanan medis. Kondisi tersebut memicu munculnya inovasi-inovasi penelitian yang mengembangkan sistem deteksi dini diabetes dengan memanfaatkan teknologi salah satunya adalah algoritma machine learning karena kemampuannya mengenali pola data dan pengambilan keputusan serta melakukan prediksi tanpa pemrograman eksplisit. Penelitian ini bertujuan untuk membuat dan menjelaskan pengimplementasian model machine learning ke sebuah web menggunakan flask hingga bisa digunakan secara langsung untuk mendeteksi diabetes. Menggunakan metode penelitian Research and Development dengan mengambil model 4D yaitu Define Design Develop dan Disseminate. Dataset Diabetes Prediction Dataset dipilih untuk membangun model machine learning dengan variabel yaitu age gender hypertension heart_disease smoking_history bmi HbA1c_level blood_glucose_level dan diabetes. Algoritma yang digunakan adalah algoritma gradient boosting melalui proses perbandingan evaluasi dengan beberapa model klasifikasi seperti decission tree random forest logistic regression SVM dan naive bayes. Hasil evaluasi model menunjukkan akurasi yang tinggi di atas 0 93. Model dengan akurasi tertinggi adalah model gradient boosting dan SVM dengan akurasi 0 94. Evaluasi F1 yang merupakan keseimbangan dari presisi dan recall digunakan untuk memilih model terbaik dan nilai F1 tertinggi ada pada model gradient boosting yaitu sebesar F1 0 565 dengan nilai presisi 0 956 dan recall 0 401. Algoritma ini kemudian diintegrasikan ke sistem sebagai model untuk melakukan prediksi. Sistem ini berhasil berjalan dengan baik untuk melakukan prediksi secara langsung melalui input dari user dan hasil akhirnya adalah prediksi serta analisis kondisi pasien dari Gemini-AI. User hanya perlu mengisikan data-data yang tampil di halaman web berupa jenis kelamin usia riwayat merokok berat badan tinggi badan dan glukosa. Setelah itu menekan tombol deteksi untuk melihat hasilnya di halaman web yang sama.
| Item Type: | Thesis (Diploma) |
|---|---|
| Divisions: | Fakultas Matematika dan IPA (FMIPA) > Departemen Fisika (FIS) > S1 Fisika |
| Depositing User: | library UM |
| Date Deposited: | 28 Aug 2025 04:29 |
| Last Modified: | 09 Sep 2025 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/395041 |
Actions (login required)
 |
View Item |