Pelatihan prediksi penyakit diabetes untuk pencegahan dini dengan metode regresi linear
Abstract
Abstrak
Pengabdian masyarakat yaitu guru yang mengikuti pelatihan penggunaan aplikasi. Umpan balik tersebut bisa berupa pertanyaan, saran atau pemasukan yang bisa membantu dalam mengevaluasi keberhasilan kegiatan PKM. Selain itu, evaluasi juga bisa dilakukan dengan cara mengevaluasi hasil akhir dari pengabdian masyarakat, yaitu aplikasi android yang dibuat. Evaluasi ini bisa dilakukan dengan cara mengecek apakah aplikasi yang dibuat sudah sesuai dengan yang diharapkan, serta juga apakah aplikasi yang dibuat sudah sesuai dengan yang dibutuhkan, serta juga apakah aplikasi tersebut sudah bisa diakses. Prediksi diabetes dimasa mendatang dapat diketahui melalui pemanfaatan dataset dengan melalui pendekatan metode prediksi melalui tahapan yang terstruktur dalam menganalisis data yang digunakan menghasilkan nilai nilai RSME saat melakukan evaluasi model sebesar 0.000 +/- 0.000. Pengujian performa terhadap model dan algoritma yang digunakan dalam evaluasi dapat menghasilkan gambaran yang relevan dengan skenario yang dimodelkan. Nilai RMSE didapat saat melakukan evaluasi performa model sebesar 0.000 +/- 0.000 melalui aplikasi.
Kata Kunci : data mining; prediksi; linear regression; diabetes; estimasi
Abstract
Community service, namely teachers who take part in training in using the application. This feedback can be in the form of questions, suggestions or input that can help in evaluating the success of PKM activities. Apart from that, evaluation can also be done by evaluating the final results of community service, namely the Android application created. This evaluation can be done by checking whether the application created meets expectations, whether the application created meets what is required, and whether the application can be accessed. Predictions of diabetes in the future can be known through the use of datasets using a prediction method approach through structured stages in analyzing the data used to produce an RSME value when evaluating the model of 0.000 +/- 0.000. Performance testing of the models and algorithms used in the evaluation can produce images that are relevant to the scenario being modeled. The RMSE value obtained when evaluating model performance is 0.000 +/- 0.000 through the application..
Keywords: data mining; prediction; linear regression; diabetes; estimation
Keywords
Full Text:
PDFReferences
Algoritma, C., Ente, D. R., Thamrin, S. A., & Kuswanto, H. (2020). Klasifikasi Faktor-Faktor Penyebab Penyakit Diabetes Melitus Di Rumah Sakit Unhas Menggunakan Algoritma C4.5 *. 80–88.
Ali, M., Wiriaatmadja, B. S., & Hartanto, A. D. (2020). Klasifikasi Pasien Pengidap Diabetes Menggunakan Neural Network Backpropagation Untuk Prediksi Kesembuhan. 135–141.
Aljumah, A. A., Ahamad, M. G., & Siddiqui, M. K. (2012). Application Of Data Mining : Diabetes Health Care In Young And Old Patients. Journal Of King Saud University - Computer And Information Sciences, 25(2), 127–136. Https://Doi.Org/10.1016/J.Jksuci.2012.10.003
Amrale, Y., No, J., Amrale, Y., Shedge, A., Singh, S., & Shaikh, A. (2016). 2016 , 148- 150 Journal Of Advances In Computer Science And Technology Diabetes Mellitus Prediction System Using Data Mining. 5(October), 148–150.
Andriani, A., Informatika, M., Labu, P., & Selatan, J. (2013). Sistem Prediksi Penyakit Diabetes Berbasis Decision Tree. I(1), 1–10.
Aris, F. (2019). Penerapan Data Mining Untuk Identifikasi Penyakit Diabetes Melitus Dengan Menggunakan Metode Klasifikasi. 1(1), 1–6.
C, M. A. (N.D.). Klasifikasi Diagnosa Penyakit Diabetes Mellitus ( Dm ). Dm.
Gaol, I. L. L., Sinurat, S., & Siagian, E. R. (2019). Implementasi Data Mining Dengan Metode Regresi Linear Berganda Untuk Memprediksi Data Persediaan Buku Pada Pt. Yudhistira Ghalia Indonesia Area Sumatera Utara. Komik (Konferensi Nasional Teknologi Informasi Dan Komputer), 3(1), 130–133. Https://Doi.Org/10.30865/Komik.V3i1.1579
Gunawan, M. I., Sugiarto, D., & Mardianto, I. (2020). Peningkatan Kinerja Akurasi Prediksi Penyakit Diabetes Mellitus Menggunakan Metode Grid Seacrh Pada Algoritma Logistic Regression. 6(3), 280–284.
Mardiana, T., Ditama, E. M., & Tuslaela, T. (2020). An Expert System For Detection Of Diabetes Mellitus With Forward Chaining Method. Jurnal Riset Informatika, 2(2), 69–76. Https://Doi.Org/10.34288/Jri.V2i2.121
Mean, R., Error, S., Mean, R., Error, S., Matrix, C., Curve, R. O. C., Curve, A. U., Evaluation, I., & Evaluation, E. (N.D.). Evaluasi Dan Validasi Evaluasi.
Mustafa, M. S., & Simpen, I. W. (N.D.). Implementasi Algoritma K-Nearest Neighbor ( Knn ) Untuk Memprediksi Pasien Terkena Penyakit Diabetes Pada Puskesmas Manyampa Kabupaten Bulukumba. Viii(1), 1–10.
Pangaribuan, J. J., Komputer, F. I., Pelita, U., & Medan, H. (2016). Mendiagnosis Penyakit Diabetes Melitus. 2(2).
Rahman, M. F., Darmawidjadja, M. I., & Alamsah, D. (2017). Klasifikasi Untuk Diagnosa Diabetes Menggunakan Metode Bayesian Regularization Neural Network ( Rbnn ). 11, 36–45.
Setyawan, D., Komputer, F. I., Studi, P., Informatika, T., Dharma, U. W., Suradi, A., Komputer, F. I., Studi, P., Informatika, M., & Dharma, U. W. (2017). Implementasi Web Service Dan Analisis Kinerja Algoritma Klasifikasi Data Mining Untuk Memprediksi Diabetes Mellitus. 8(2), 701–710.
Sitohang, A. W. S. R. G. S. (2021). Penerapan Data Mining Dalam Pemilihan Laptop Menggunakan Metode Algoritma C4.5 Anggi. Jurnal Comasie, 5, 63–70.
Suyanto. (2017). Data Mining. Informatika.
Wijaya, A. E., & Alfian, D. (2018). Sistem Rekomendasi Laptop Menggunakan Collaborative Filtering Dan Content-Based Filtering. Jurnal Computech & Bisnis, 12(1), 11–27.
DOI: https://doi.org/10.31764/jpmb.v8i1.17240
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
______________________________________________________
Jurnal Selaparang
p-ISSN 2614-5251 || e-ISSN 2614-526X
EDITORIAL OFFICE: