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.

Preview	Text BAB I.pdf Download (554kB) | Preview
	Text BAB II.pdf Restricted to Registered users only Download (747kB)
	Text BAB III.pdf Restricted to Registered users only Download (1MB)
	Text BAB IV.pdf Restricted to Registered users only Download (2MB)
Preview	Text BAB V.pdf Download (460kB) | Preview
Preview	Text DAFTAR PUSTAKA.pdf Download (345kB) | Preview

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:	https://repository.unama.ac.id/id/eprint/5404

Actions (login required)

View Item