KOMPARASI ALGORITMA LOGISTIK REGRESSION DAN SUPPORT VECTOR MACHINE (SVM) UNTUK DATA PREDIKSI PENYAKIT OSTEOPOROSIS

Adam Pradana, Muhammad (2025) KOMPARASI ALGORITMA LOGISTIK REGRESSION DAN SUPPORT VECTOR MACHINE (SVM) UNTUK DATA PREDIKSI PENYAKIT OSTEOPOROSIS. Skripsi thesis, UNAMA.

[img] Text
BAB I.pdf

Download (554kB)
[img] Text
BAB II.pdf
Restricted to Registered users only

Download (747kB)
[img] Text
BAB III.pdf
Restricted to Registered users only

Download (1MB)
[img] Text
BAB IV.pdf
Restricted to Registered users only

Download (2MB)
[img] Text
BAB V.pdf

Download (460kB)
[img] Text
DAFTAR PUSTAKA.pdf

Download (345kB)

Abstract

Perkembangan teknologi informasi yang pesat telah memberikan kontribusi besar dalam dunia kesehatan, khususnya dalam deteksi dini penyakit degeneratif seperti osteoporosis. Osteoporosis merupakan penyakit tulang yang ditandai dengan penurunan kepadatan tulang dan meningkatnya risiko fraktur, terutama pada lansia dan wanita pascamenopause. Penelitian ini bertujuan untuk membandingkan performa dua algoritma machine learning yaitu Logistic Regression dan Support Vector Machine (SVM) dalam melakukan prediksi risiko osteoporosis berbasis data gaya hidup dan kondisi medis pasien. Data yang digunakan berasal dari platform Kaggle, dengan total 1.958 data pasien dan 15 atribut yang mencakup usia, jenis kelamin, konsumsi kalsium, aktivitas fisik, hingga riwayat patah tulang. Penelitian ini menggunakan pendekatan pemodelan berbasis Python dengan Google Colab sebagai media pemrograman. Proses penelitian mencakup preprocessing data, normalisasi, encoding, pelatihan model, serta visualisasi dan evaluasi hasil menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil analisis menunjukkan bahwa algoritma SVM memberikan akurasi lebih tinggi yaitu sebesar 82,65%, sedangkan Logistic Regression menawarkan interpretasi yang lebih baik bagi praktisi medis. Visualisasi menggunakan heatmap, boxplot, dan countplot digunakan untuk membantu pemahaman hubungan antar fitur dalam dataset. Penelitian ini diharapkan dapat menjadi kontribusi nyata dalam pengembangan sistem pendukung keputusan berbasis machine learning dalam dunia medis,

Item Type: Thesis (Skripsi)
Subjects: Aplikasi Sistem Pengolahan Data
Divisions: Skripsi > Teknik Informatika > 2024
Depositing User: Digital Library
Date Deposited: 31 Mar 2026 06:49
Last Modified: 31 Mar 2026 06:49
URI: http://repository.unama.ac.id/id/eprint/5404

Actions (login required)

View Item View Item