Nurlaily, Annisa (2018) Prediksi Diabetes Berdasarkan Faktor Risiko Behavioral Menggunakan Algoritma Support Vector Machine. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
05211140000123-Non_Degree.pdf - Accepted Version Download (1MB) | Preview |
Abstract
Diabetes merupakan salah satu penyakit yang turut andil dalam penyebab peningkatan jumlah kematian di dunia. Hal ini bisa dilihat dari pesatnya perkembangan angka penyandang diabetes yang naik hampir 2 kali lipat sejak tahun 1980 dari 4,7% menjadi 8,5% di tahun 2014. Di Indonesia, kasus diabetes juga sering dan umum dijumpai. Data yang didapatkan dari hasil penetilian yang dilakukan pusat-pusat diabetes, sekitar tahun 1980 prevalensi diabetes pada penduduk usia 15 tahun ke-atas sebesar 1,5-2,3% dengan kecenderungan di daerah pedesaan lebih rendah dibandingkan daerah perkotaan.
Dengan fakta dan urgensi seperti ini, banyak sudah tindakan-tindakan preventif yang dilakukan untuk dapat menekan pertumbuhan diabetes secara global. Tidak hanya berfokus pada analisi faktor risiko yang berhubunan dengan data medis, analisi faktor risko yang berbungan dengan gaya dan pola hidup juga sudah banyak ditemukan. Diabetes, selain memiliki beberapa faktor risiko yang bisa dikelompokkan menjadi faktor risiko yang tidak dapat dimodifikasi seperti ras dan etnik; umur; jenis kelamin; serta riwayat penyakit keluarga, juga mempunyai faktor risiko yang dapat dimodifikasi seperti berat badan yang berlebih; obesitas; kurangnya aktivitas fisik; serta frekuensi merokok.
Terdapat beberapa penelitian sebelumnya yang telah dilakukan untuk melakukan analisa terhadap faktor risiko diabetes menggunakan algoritma data mining Linear Regression. Hasilnya ditemukan variable yang berpengaruh secara signifikan pada kasus diabetes yang tergolong kedalam faktor risiko behavioral. Oleh karena itu, mengacu pada penelitian sebelumnya, pada penelitian ini akan dilakukan analisis prediksi diabetes berdasarkan beberapa faktor risiko behavioral terkait seperti obesitas, kelebihan berat badan (overweight), umur, konsumsi alcohol, tekanan darah, jenis kelamin, dan ras menggunakan data yang disediakan oleh CDC BFRSS yakni sebuah lembaga survey di Amerika yang secara rutin melakukan wawancara kepada warga Amerika mengenai gaya hidup dan status penyakit kronis khususnya pada tahun 2016 dengan mengunakan metode algoritma Support Vector Machine (SVM). SVM adalah salah satu machine learning dengan model supervised learning dimana algortima ini digunakan penganalisaan data untuk klasifikasi dan dan analisis regresi.
Hasil dari penelitian ini berupa nilai hasil pemodelan prediksi dengan metric pengukuran yang paling baik. Serta perbandingan penggunaan algoritma dengan hasil penelitian sebelumnya, dimana ternyata algoritma SVM untuk menganalisis model data BFRSS 2016 tidak terlalu optimal.
============================================================================================================Diabetes is one of the diseases that contribute to the cause of the increasing number of deaths in the world. This can be seen from the rapid development of the number of people with diabetes who rose almost 2-times fold since 1980 from 4.7% to 8.5% in 2014. In Indonesia, diabetes cases are also common. Data obtained from the results of reseacrh conducted by diabetes centers, around 1980 the prevalence of diabetes in the population aged 15 years to the maximum of 1.5-2.3% with the trend in rural areas lower than urban areas.
With these facts and urgency, many preventive measures have been taken to suppress the growth of diabetes globally. Not only focusing on risk factor analysis that is related to medical data, risk factor analysis that is related to style and lifestyle has also been found. Diabetes, in addition to have several risk factors that can be grouped into unmodified risk factors such as race and ethnicity; age; gender; as well as family history of the disease, also have modifiable risk factors such as excess weight; obesity; lack of physical activity; as well as the frequency of smoking.
There have been several previous studies that have been done to analyze the risk factors for diabetes using the Linear Regression data mining algorithm. The results found that variables significantly influence in cases of diabetes belonging to behavioral risk factors. Therefore, referring to previous research, this study will analyze diabetes prediction based on several behavioral related risk factors such as obesity, overweight, age, alcohol consumption, blood pressure, sex, and race using the data provided by CDC BFRSS, a survey agency in America that routinely interviews Americans about lifestyle and chronic disease status especially in 2016 using the Support Vector Machine (SVM) algorithm method. SVM is one of machine learning with supervised learning model where this algorithm is used for analyzing data for classification and and regression analysis.
The result of this research is the result of prediction model with the best metric measurement. And comparison of the use of the algorithm with result of previous research, where turns SVM algorithm to analyze model data BFRSS 2016 is not too optimal.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSSI 005.746 Nur p-1 3100018075985 |
| Uncontrolled Keywords: | Prediksi, Support Vector Machine, Diabetes, Faktor Risiko Behavioral, predicition, support vetor machine, diabetes, risk behavioral factor |
| Subjects: | T Technology > T Technology (General) > T57.5 Data Processing T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5105.546 Computer algorithms |
| Divisions: | Faculty of Information and Communication Technology > Information Systems > 57201-(S1) Undergraduate Thesis |
| Depositing User: | Annisa Nurlaily |
| Date Deposited: | 01 Feb 2019 08:02 |
| Last Modified: | 16 Nov 2020 05:00 |
| URI: | http://repository.its.ac.id/id/eprint/53781 |
Actions (login required)
 |
View Item |