ANALISA AKURASI ALGORITMA LOGISTIC REGRESSION DAN SUPPORT VECTOR MACHINE UNTUK PENYAKIT DIABETES

Abstrak

Diabetes adalah suatu kondisi medis yang dapat menyerang siapa saja, mulai dari anak muda, remaja hingga orang dewasa. Dengan cara ini, diabetes adalah penyakit yang sangat menarik yang tidak dapat dikomunikasikan dan kini telah menjadi ancaman besar bagi bantuan pemerintah dunia. Investigasi ini dilakukan dengan menangani data tambahan dari indeks informasi bantuan pemerintah Diabetes Dataset yang didapat dari dataset Kaggle dan dapat diakses melalui https://www.kaggle.com/datasets/akshaydattatraykhare/diabetes-dataset. Dimana informasi sebenarnya terdiri dari 769 catatan dengan sejumlah faktor indikator klinis (Kehamilan/Kehamilan, Glukosa/Glukosa, Tekanan Darah/Denyut Nadi, Ketebalan Kulit/Ketebalan Kulit, Insulin, BMI/Daftar Berat Badan, Fungsi Silsilah Diabetes/Keturunan, Usia/Umur dan Hasil/Hasil). Lalu informasi ini ditangani menggunakan strategi Support Vector Machine dan teknik Logistic Regression untuk menentukan ketepatan hasil temuan diabetes. Mengingat penemuan eksplorasi yang telah dilakukan, teknik Support Vector Machine memiliki nilai presisi yang jauh lebih baik dibandingkan dengan menggunakan Logistic Regression. Ketepatan insentif model teknik Support Vector Machine sebesar 83,11% dan ketepatan insentif Logistic Regression sebesar 77,27%. Mengingat nilai tersebut, selisih ketepatannya adalah 5,84%. Jadi ada anggapan bahwa penggunaan teknik Support Vector Machine dapat menghasilkan tingkat ketepatan yang lebih tinggi dalam kesimpulan diabetes dibandingkan dengan menggunakan Logistic Regression.