PERBANDINGAN METODE SUPERVISED LEARNING UNTUK PREDIKSI DIABETES GESTASIONAL DENGAN SOFTWARE ORANGE

Andrew C Handoko
Hendry Hendry


DOI: https://doi.org/10.29100/jipi.v8i4.4166

Abstract


Dalam penelitian ini dilakukan analisa terhadap metode Supervised Learning dengan membandingkan hasil prediksi dari tiap metode, guna mendapatkan algoritma terbaik, yang dapat dikembangkan kedepannya sebagai salah satu media untuk mempermudah deteksi Diabetes Gestasional. Prediksi dilakukan terhadap Dataset Diabetes Gestasional yang di dapat dari Kaggle, dengan judul “Diabetes Dataset” yang berasal dari National Institute of Diabets and Digestive and Kidney Diseases. Dimana analisis akan menggunakan bantuan Software Orange, sebagai tempat untuk melakukan pengolahan data dan melihat nilai hasil prediksi dari masing-masing algoritma yang ada di metode Supervised Learning. Algoritma yang dibandingkan ada tujuh, dengan nilai Recall sebagai penentu no satu algoritma yang dianggap bagus untuk melakukan prediksi, diikuti dengan nilai Akurasi, Precisision, Test Time dan Train Time. Dan dengan bantuan Orange, maka di dapat algoritma yang paling bagus adalah Logistic Regression.

Full Text:

PDF

Article Metrics :

References


R. Tyasnurita and A. Y. M. Pamungkas, “Deteksi Diabetik Retinopati menggunakan Regresi Logistik,” ILKOM Jurnal Ilmiah, vol. 12, no. 2, pp. 130–135, Aug. 2020, doi: 10.33096/ilkom.v12i2.578.130-135.

V. Yolanda, I. Cholissodin, and P. P. Adikara, “Klasifikasi Diagnosis Penyakit Diabetes Gestasional pada Ibu Hamil menggunakan Algoritme Neighbor Weighted K-Nearest Neighbor (NWKNN),” 2021. [Online]. Available: http://j-ptiik.ub.ac.id

I. Rosianal et al., “Perbandingan Hasil Prediksi Diagnosis pada Indian Liver Patient Dataset (ILPD) dengan Teknik Supervised Learn-ing Menggunakan Software Orange,” Jurnal Telematika, vol. 16, no. 2.

N. Hamdani and A. Setyanto, “Perbandingan Algoritma Regresi Logistic Dan Neural Network Pada Prediksi Nilai Hasil Pembinaan Dan Kelulusan Tepat Waktu,” Jurnal Teknologi Informasi, vol. XV, no. 1, 2020.

D. Wulan Sari and M. Maharani, “ANALISIS DAN PERBANDINGAN ALGORITMA PREDIKSI DALAMMENGETAHUI PERKIRAAN PENINGKATAN JUMLAH KASUS COVID-19 DIINDONESIA DENGAN METODOLOGI CRISP-DM,” 2021. [Online]. Available: https://www.researchgate.net/publication/348648401

Q. Wu et al., “An early prediction model for gestational diabetes mellitus based on genetic variants and clinical characteristics in Chi-na,” Diabetol Metab Syndr, vol. 14, no. 1, Dec. 2022, doi: 10.1186/s13098-022-00788-y.

S. Martha, W. Andani, and S. W. Rizki, “Perbandingan Metode k-Nearest Neighbor, Regresi Logistik Biner, dan Pohon Klasifikasi pada Analisis Kelayakan Pemberian Kredit,” Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi, vol. 10, no. 2, pp. 262–273, Nov. 2022, doi: 10.34312/euler.v10i2.16751.

P. C. Algoritma, D. Naïve Bayes Untuk Prediksi Ketepatan Waktu Studi Mahasiswa, J. Nata Permana, R. Goejantoro, and S. Prangga, “Comparison Of C4.5 Algorithm and Naïve Bayes for Prediction Of Student Study Timeliness (Case Study: Departement of Statistics Mulawarman University)”.

S. Wiyono and T. Abidin, “Perbandingan Algoritma Machine Learning SVM dan Decision Tree untuk Prediksi Keaktifan Mahasiswa,” Jurnal & Penelitian Teknik Informatika, vol. 3, no. 1, 2018.

S. Nanda, M. Savvidou, A. Syngelaki, R. Akolekar, and K. H. Nicolaides, “Prediction of gestational diabetes mellitus by maternal factors and biomarkers at 11 to 13 weeks,” Prenat Diagn, vol. 31, no. 2, pp. 135–141, Feb. 2011, doi: 10.1002/pd.2636.

I. Gnanadass, “Prediction of Gestational Diabetes by Machine Learning Algorithms,” IEEE Potentials, vol. 39, no. 6, pp. 32–37, Nov. 2020, doi: 10.1109/MPOT.2020.3015190.

G. Santosa, U. Kristen, and D. Wacana, “Perbandingan Akurasi Model Regresi Logistik umtuk Prediksi Kategori IPMahasiswa Jalur Prestasi dengan Non Jalur Prestasi.” [Online]. Available: https://www.researchgate.net/publication/324990799

X. Zhang et al., “Risk prediction model of gestational diabetes mellitus based on nomogram in a Chinese population cohort study,” Sci Rep, vol. 10, no. 1, Dec. 2020, doi: 10.1038/s41598-020-78164-x.

S. Widaningsih, “PERBANDINGAN METODE DATA MINING UNTUK PREDIKSI NILAI DAN WAKTU KELULUSAN MAHASISWA PRODI TEKNIK INFORMATIKA DENGAN ALGORITMA C4,5, NAÏVE BAYES, KNN DAN SVM,” Jurnal Tekno Insentif, vol. 13, no. 1, pp. 16–25, Apr. 2019, doi: 10.36787/jti.v13i1.78.

Mufdillah et al., Mengenal dan Upaya Mengatasi Diabetes Melitus dalam Kehamilan Diabetes Melitus dalam Kehamilan.