Electronic Resource

Perbandingan Akurasi Agoritma Suport Vector Machine (SVM) Dan Logistic Regression (LR) Dalam Aplikasi Prediksi Diabetes Berbasis WEB Menggunakan Python

---

Penelitian ini membandingkan akurasi antara algoritma Support Vector
Machine (SVM) dan Logistic Regression (LR) dalam prediksi diabetes berbasis web
menggunakan Python. Tujuannya adalah menilai kinerja kedua algoritma dalam
mengklasifikasikan data pasien berdasarkan parameter medis. Pengujian dilakukan
dengan dataset dan mengukur kinerja menggunakan Accuracy, Precision, Recall, dan
F1- score. Hasilnya, SVM memperoleh Accuracy 77.27%, Precision 75.68%, Recall
51.85%, dan F1-score 61.54%, sedangkan Logistic Regression mendapatkan
Accuracy 75.32%, Precision 64.91%, Recall 67.27%, dan F1-score 66.07%. SVM
lebih unggul dalam Accuracy dan Precision, sedangkan Logistic Regression lebih
baik dalam Recall dan F1-score. Pemilihan algoritma bergantung pada tujuan
aplikasi: jika prioritasnya adalah mendeteksi lebih banyak kasus positif, maka
Logistic Regression lebih disarankan, sementara jika fokusnya mengurangi kesalahan
prediksi positif, SVM lebih tepat.Aplikasi web yang dikembangkan memudahkan
pengguna dalam prediksi diabetes secara cepat, membantu tenaga medis atau
individu dalam deteksi dini serta pengambilan keputusan untuk pencegahan dan
penanganan penyakit.

---

Ketersediaan

SB00874S

KKI 001.6 FIR p/s

Perpustakaan Unikama

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

KKI 001.6 FIR p/s

Penerbit

Malang : Prodi Teknik Informatika Unikama., 2025

Deskripsi Fisik

xiii, 96 hlm 26 cm

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

001.6

Tipe Isi

text

Tipe Media

PDF

Tipe Pembawa

online resource

Edisi

1

Subjek

Web
Skripsi
Python
Support Vector Machine
Teknik informatika
Logistic Regression
Prediksi Diabetes

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar