IMPLEMENTASI MACHINE LEARNING DENGAN METODE MLP (MULTILAYER PERCEPTRON) UNTUK PREDIKSI RISIKO DIABETES PADA APLIKASI GLUCOGUIDE

Pranasyach, Zheand Rizky (2025) IMPLEMENTASI MACHINE LEARNING DENGAN METODE MLP (MULTILAYER PERCEPTRON) UNTUK PREDIKSI RISIKO DIABETES PADA APLIKASI GLUCOGUIDE. Project Report (Praktek Kerja Lapang dan Magang). UPN VETERAN JAWA TIMUR. (Unpublished)

	Text (COVER) 22082010051-COVER.pdf Download (726kB)
	Text (BAB 1) 22082010051-BAB 1.pdf Download (286kB)
	Text (BAB 2) 22082010051-BAB 2.pdf Restricted to Repository staff only until 3 September 2028. Download (251kB)
	Text (BAB 3) 22082010051-BAB 3.pdf Restricted to Repository staff only until 3 September 2028. Download (0B)
	Text (BAB 4) 22082010051-BAB 4.pdf Restricted to Repository staff only until 3 September 2028. Download (647kB)
	Text (BAB 5) 22082010051-BAB 5.pdf Download (83kB)
	Text (DAFTAR PUSTAKA) 22082010051-DAFTAR PUSTAKA.pdf Download (75kB)
	Text (LAMPIRAN) 22082010051-LAMPIRAN.pdf Restricted to Repository staff only until 3 September 2028. Download (1MB)

Abstract

Diabetes mellitus adalah salah satu penyakit kronis yang prevalensinya terus meningkat di seluruh dunia, dengan dampak kesehatan yang signifikan apabila tidak terdeteksi dan dikelola sejak dini. Proyek ini bertujuan untuk mengembangkan GlucoGuide, sebuah aplikasi kesehatan mobile berbasis machine learning yang dapat membantu pengguna mengidentifikasi risiko diabetes. Aplikasi ini mengklasifikasikan pengguna ke dalam empat kategori risiko diabetes, yaitu "No Risk", "Low Risk", "At Risk", atau "Diabetic" berdasarkan data yang dimasukkan seperti kadar gula darah, usia, dan faktor gaya hidup. Metode yang digunakan dalam pengembangan aplikasi ini melibatkan penerapan algoritma machine learning, khususnya Multilayer Perceptron (MLP), untuk melatih model menggunakan dataset publik yang berisi data medis tabular. MLP dipilih karena kemampuannya untuk memproses data tabular dan menangani data non-linear yang seringkali ditemukan dalam dataset medis, serta dapat menghasilkan prediksi yang akurat. Setelah model dilatih, aplikasi kemudian memproses data medis yang dimasukkan oleh pengguna, seperti kadar gula darah, usia, dan faktor gaya hidup, untuk mengklasifikasikan tingkat risiko diabetes mereka. Hasil penelitian menunjukkan bahwa GlucoGuide mampu mengklasifikasikan risiko diabetes dengan tingkat akurasi yang tinggi berdasarkan data pengguna yang dimasukkan ke dalam sistem. Pengujian aplikasi juga memberikan hasil yang baik, dengan tingkat akurasi mencapai 98,82% pada data uji dan nilai loss yang sangat rendah (0,0456), yang menunjukkan bahwa kesalahan prediksi sangat kecil. Dengan meningkatnya prevalensi diabetes, GlucoGuide berpotensi memberikan solusi yang efektif dalam deteksi dini dan pencegahan diabetes, terutama di kalangan komunitas yang rentan. Proyek ini menunjukkan pentingnya pemanfaatan teknologi machine learning untuk mendukung pengambilan keputusan kesehatan yang lebih informasional dan preventif.

Item Type:	Monograph (Project Report (Praktek Kerja Lapang dan Magang))
Contributors:	Contribution Contributors NIDN/NIDK Email Thesis advisor Sugata, Tri Luhur Indayanti 8948770671230422 tri.luhur.fasilkom@upnjatim.ac.id
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Computer Science > Departemen of Information Systems
Depositing User:	Zheand Rizky Pranasyach
Date Deposited:	07 Sep 2026 01:14
Last Modified:	07 Sep 2026 01:14
URI:	https://repository.upnjatim.ac.id/id/eprint/59923

Actions (login required)

View Item