Sistem prediksi penyakit diabetes melitus dengan Metode Logistic Regression pada cloud computing

DETAIL KOLEKSI

Sistem prediksi penyakit diabetes melitus dengan Metode Logistic Regression pada cloud computing

5.0

Oleh : Muhamad Ichsan Gunawan

Info Katalog

Penerbit : FTI - Usakti

Kota Terbit : Jakarta

Tahun Terbit : 2020

Pembimbing 1 : Dedy Sugiarto

Pembimbing 2 : Is Mardianto

Subyek : Cloud computing;Diabetes mellitus - Diagnosis - Computer programs

Kata Kunci : cloud computing, data mining, diabetes melitus, grid search, logistic regression.

Status Posting : Published

Status : Lengkap

File Repositori

No.	Nama File	Hal.
1.	2020_TA_STF_064001600023_Halaman-Judul.pdf	11
2.	2020_TA_STF_064001600023_Lembar-Pengesahan.pdf
3.	2020_TA_STF_064001600023_Bab-1_Pendahuluan.pdf	4
4.	2020_TA_STF_064001600023_Bab-2_Tinjauan-Pustaka.pdf
5.	2020_TA_STF_064001600023_Bab-3_Metodologi-Penelitian.pdf
6.	2020_TA_STF_064001600023_Bab-4_Analisisdan-Pembahasan.pdf
7.	2020_TA_STF_064001600023_Bab-5_Kesimpulan.pdf
8.	2020_TA_STF_064001600023_Daftar-Pustaka.pdf	3
9.	2020_TA_STF_064001600023_Lampiran.pdf

Abstrak
Abstract

D iabetes merupakan salah satu penyakit terbanyak di Indonesia. Sebuah perangkat bantu yang dapat diakses secara real time dibutuhkan oleh pengguna untuk mengidentifikasi secara dini apakah seseorang mengidap penyakit diabetes atau tidak. Pada penelitian ini dikembangkan model prediksi diabetes dengan metode Logistik Regression pada lingkungan cloud computing. Pengembangan dan implementasi dilakukan pada layanan Amazon Elastic Compute Cloud. Metode Grid search digunakan untuk mengoptimasi hiperparameter pada Log reg. Hasil ujicoba optimasi hiperparameter Logistic Regression menggunakan metode Grid Search memberikan peningkatan akurasi dari 76 % menjadi 80%. Kinerja model yang diimplementasikan dengan cloud computing dinyatakan dengan akurasi sebesar 79.4% tidak berbeda secara signifikan dengan model tanpa cloud computing yang akurasinya 80.8%.

D iabetes is one of the most common diseases in Indonesia. An assistive device that can be accessed in real-time is needed by the user to identify early whether a person has diabetes or not. In this study, a diabetes prediction model with the Logistic Regression method was developed in a cloud computing environment. Development and implementation are carried out on the Amazon Elastic Compute Cloud service. The grid search method is used to optimize hyperparameter in Log reg. The Logistic Regression hyperparameter optimization trial using the Grid Search method provided an increase in accuracy from 76% to 80%. The performance of the model implemented with cloud computing is stated with 79.4% accuracy, which is not significantly different from the model without cloud computing, whose accuracy is 80.8%.