DETEKSI PENYAKIT DIABETES GESTASIONAL MENGGUNAKAN METODE CNN BERBASIS WEB

Fitriani (2024) DETEKSI PENYAKIT DIABETES GESTASIONAL MENGGUNAKAN METODE CNN BERBASIS WEB. PROGRAM STUDI SARJANA SISTEM INFORMASI FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SARI MULIA BANJARMASIN 2024.

Text Skripsi fitriani - Ifit ani.pdf Download (4MB)

Abstract

Diabetes adalah salah satu masalah kesehatan utama di seluruh dunia diabetes mellitus terbagi menjadi beberapa jenis salah satu diantaranya yaitu diabetes melitus gestasional deteksi dini sangat diperlukan untuk menjaring diabetes gestasional menggunakan beberapa algoritma pembelajaran mesin Tujuan: Mengetahui tingkat akurasi yang didapatkan dari hasil deteksi dini penyakit diabetes melitus gestasional menggunakan metode convolutional neural network (cnn). Untuk mendeteksi penyakit dini Diabetes Melitus Gestasional menggunakan metode convolutional neural network (cnn). Metode: Penelitian ini menggunakan jenis penelitian eksperimental, yang mana pada penelitian ini menggunakan metode Convolutional Neural Network (CNN). Dengan penelitian eksperimental ini, untuk mengklasifikasikan apakah seseorang tersebut terdeteksi penyakit dini diabetes gestasional yang dikumpulkan dari platform Kaggle dataset ini berjumlah 3525 entri data. Hasil: Dari percobaan yang dilakukan, hasil menunjukkan bahwa percobaan 1 mendapat akurasi sebesar 97%, percobaan 2 sebesar 98%, percobaan 3 sebesar 98%, Dengan demikian, penerapan convolutional neural network (CNN) untuk prediksi diabetes gestasional menggunakan percobaan 2 dengan pertimbangan hasil evaluasi metrix yang lebih baik dan pembagian data uji dan latih yang baik. Simpulan: Keterbatasan dari penelitian ini meliputi representasi dataset yang mungkin tidak mencakup variasi karakteristik demografis dan geografis secara umum, yang dapat mempengaruhi generalisasi model terhadap populasi yang lebih luas. Selain itu, ukuran relatif kecil dari dataset uji, meskipun diperluas pada percobaan ketiga, dapat membatasi evaluasi terhadap data baru yang belum pernah dilihat sebelumnya.

Actions (login required)

View Item