Sistem Personalisasi Pasien Diabetes Berbasis Domain Fitur Menggunakan Algoritma Gradient Boosting Machine
Jumlah penderita penyakit diabetes diproyeksikan akan terus meningkat dalam beberapa tahun mendatang. Pengukuran glukosa darah, olahraga, diet, dan pengobatan farmakologis adalah beberapa metode yang dapat digunakan untuk penanganan pasien penderita penyakit diabetes. Penggunaan metode yang sama tid...
Saved in:
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
Universitas Dian Nuswantoro
2025-02-01
|
| Series: | Techno.Com |
| Online Access: | https://publikasi.dinus.ac.id/index.php/technoc/article/view/11928 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1850204946360696832 |
|---|---|
| author | Tutus Praningki David Thanlian Kurniawan |
| author_facet | Tutus Praningki David Thanlian Kurniawan |
| author_sort | Tutus Praningki |
| collection | DOAJ |
| description | Jumlah penderita penyakit diabetes diproyeksikan akan terus meningkat dalam beberapa tahun mendatang. Pengukuran glukosa darah, olahraga, diet, dan pengobatan farmakologis adalah beberapa metode yang dapat digunakan untuk penanganan pasien penderita penyakit diabetes. Penggunaan metode yang sama tidak selalu efektif untuk setiap pasien diabates, karena respons setiap individu terhadap penggunaan metode terapi dapat berbeda-beda. Pendekatan berbasis Machine Learning telah banyak digunakan untuk penanganan penyakit diabetes, baik untuk deteksi dini maupun proses perawatan pasien diabetes. Pada konteks penanganan pasien diabetes mellitus, pemilihan terapi yang tepat bagi setiap pasien sangat penting untuk dapat mencapai kontrol glikemik yang baik dan mencegah komplikasi jangka panjang. Permasalahan dalam penanganan pasien diabetes adalah menentukan model yang tepat untuk setiap pasien yang berbeda, sehingga pendekatan model berbasis domain fitur menjadi sangat penting untuk diterapkan. Domain fitur yang digunakan dalam penelitian ini adalah demografi, riwayat medis, dan gaya hidup. Hasil pengujian didapatkan bahwa domain fitur riwayat medis menjadi faktor penting untuk deteksi kenaikan kadar gula dalam darah pasien diabetes. Tingkat akurasi yang didapatkan algoritma GBM dengan menggunakan domain fitur demografi, riwayat medis, dan gaya hidup adalah 96%. Dengan hasil pengujian aplikasi rekomendasi personalisasi pasien diabetes dapat gunakan oleh tenaga medis pada program Prolanis.
Kata kunci: Gradient Boosting Machine, Machine Learning, Diabetes, Domain Fitur |
| format | Article |
| id | doaj-art-3cc3c3a7c1df4ea2be64833e10a490d0 |
| institution | OA Journals |
| issn | 2356-2579 |
| language | Indonesian |
| publishDate | 2025-02-01 |
| publisher | Universitas Dian Nuswantoro |
| record_format | Article |
| series | Techno.Com |
| spelling | doaj-art-3cc3c3a7c1df4ea2be64833e10a490d02025-08-20T02:11:12ZindUniversitas Dian NuswantoroTechno.Com2356-25792025-02-01241284010.62411/tc.v24i1.1192817435Sistem Personalisasi Pasien Diabetes Berbasis Domain Fitur Menggunakan Algoritma Gradient Boosting MachineTutus Praningki0David Thanlian Kurniawan1Universitas Pignatelli TriputraUniversitas Pignatelli TriputraJumlah penderita penyakit diabetes diproyeksikan akan terus meningkat dalam beberapa tahun mendatang. Pengukuran glukosa darah, olahraga, diet, dan pengobatan farmakologis adalah beberapa metode yang dapat digunakan untuk penanganan pasien penderita penyakit diabetes. Penggunaan metode yang sama tidak selalu efektif untuk setiap pasien diabates, karena respons setiap individu terhadap penggunaan metode terapi dapat berbeda-beda. Pendekatan berbasis Machine Learning telah banyak digunakan untuk penanganan penyakit diabetes, baik untuk deteksi dini maupun proses perawatan pasien diabetes. Pada konteks penanganan pasien diabetes mellitus, pemilihan terapi yang tepat bagi setiap pasien sangat penting untuk dapat mencapai kontrol glikemik yang baik dan mencegah komplikasi jangka panjang. Permasalahan dalam penanganan pasien diabetes adalah menentukan model yang tepat untuk setiap pasien yang berbeda, sehingga pendekatan model berbasis domain fitur menjadi sangat penting untuk diterapkan. Domain fitur yang digunakan dalam penelitian ini adalah demografi, riwayat medis, dan gaya hidup. Hasil pengujian didapatkan bahwa domain fitur riwayat medis menjadi faktor penting untuk deteksi kenaikan kadar gula dalam darah pasien diabetes. Tingkat akurasi yang didapatkan algoritma GBM dengan menggunakan domain fitur demografi, riwayat medis, dan gaya hidup adalah 96%. Dengan hasil pengujian aplikasi rekomendasi personalisasi pasien diabetes dapat gunakan oleh tenaga medis pada program Prolanis. Kata kunci: Gradient Boosting Machine, Machine Learning, Diabetes, Domain Fiturhttps://publikasi.dinus.ac.id/index.php/technoc/article/view/11928 |
| spellingShingle | Tutus Praningki David Thanlian Kurniawan Sistem Personalisasi Pasien Diabetes Berbasis Domain Fitur Menggunakan Algoritma Gradient Boosting Machine Techno.Com |
| title | Sistem Personalisasi Pasien Diabetes Berbasis Domain Fitur Menggunakan Algoritma Gradient Boosting Machine |
| title_full | Sistem Personalisasi Pasien Diabetes Berbasis Domain Fitur Menggunakan Algoritma Gradient Boosting Machine |
| title_fullStr | Sistem Personalisasi Pasien Diabetes Berbasis Domain Fitur Menggunakan Algoritma Gradient Boosting Machine |
| title_full_unstemmed | Sistem Personalisasi Pasien Diabetes Berbasis Domain Fitur Menggunakan Algoritma Gradient Boosting Machine |
| title_short | Sistem Personalisasi Pasien Diabetes Berbasis Domain Fitur Menggunakan Algoritma Gradient Boosting Machine |
| title_sort | sistem personalisasi pasien diabetes berbasis domain fitur menggunakan algoritma gradient boosting machine |
| url | https://publikasi.dinus.ac.id/index.php/technoc/article/view/11928 |
| work_keys_str_mv | AT tutuspraningki sistempersonalisasipasiendiabetesberbasisdomainfiturmenggunakanalgoritmagradientboostingmachine AT davidthanliankurniawan sistempersonalisasipasiendiabetesberbasisdomainfiturmenggunakanalgoritmagradientboostingmachine |