{"title":"用于预测糖尿病的多元线性回归","authors":"A. Sari, Dian Utami Putri","doi":"10.54314/teknisi.v3i1.1255","DOIUrl":null,"url":null,"abstract":"Diabetes is a long-lasting disease characterized by high or above normal blood sugar (glucose) levels. Lack of public information about diabetes and constraints on the problem of hospital costs make people reluctant to check themselves at the health center, therefore this can help people find information early on to better maintain their health so they don't suffer from diabetes. Predictive efforts are needed to find out the approximate outcome of diagnosing diabetes in someone early on with Pregnancies, Glucose (sugar), BloodPressure (blood pressure), SkinThickness, Insulin, BMI (Weight), DiabetesPedigreeFunction, Age (Age). Furthermore, predictions use the regression method where there are 7 more methods including (1) Linear Regression, (2) Support Vector Regression - Linear, (3) Support Vector Regression - RBF, (4) Decision Tree Regression, (5) Random Forest Regressor, ( 6) Gradient Boosting Regression, (7) NLP Regressor applied in this study. The aim of the research is to be able to determine the best regression method based on 7 regression methods with the best accuracy value that will be used in the deploy process to predict the outcome of diagnosing diabetes in someone from an early age. Decision tree regression as the best method among other regression methods in 4 accuracy tests with ratios of 90:10, 80:20, 70:30 and 60:40.Keywords: diabetes, decision tree, regressionDiabetes merupakan penyakit yang berlangsung lama ditandai dengan kadar gula (glukosa) darah yang tinggi atau diatas normal. Kurangnya informasi masyarakat mengenai penyakit diabetes dan kendala masalah biaya kerumah sakit membuat masyarakat enggan untuk memeriksakan dirinya ke puskesmas, oleh karena itu ini dapat membantu masyarakat mengetahui informasi sejak dini untuk lebih menjaga kesehatan agar tidak menderita diabetes. Diperlukannya upaya prediksi untuk mengetahui perkiraan hasil diagnose diabetespada seseorang sejak dini dengan Pregnancies, Glucose (gula), BloodPressure (tekanan darah), SkinThickness , Insulin, BMI (Berat Badan), DiabetesPedigreeFunction, Age (Umur). Selanjutnya prediksi menggunakan metode regresi dimana terdapat 7 metode lagi meliputi (1) Linear Regression, (2) Support Vector Regression – Linear, (3) Support Vector Regression – RBF, (4) Decision Tree Regression, (5) Random Forest Regressor, (6) Gradient Boosting Regression, (7) NLP Regressor yang diterapkan dalam penelitian ini. Tujuan penelitian untuk dapat menentukan metode regresi terbaik berdasarkan 7 metode regresi dengan nilai akurasi paling terbaik yang akan digunakan dalam proses pengolahan deploy untuk prediksi hasil diagnose diabetespada seseorang sejak dini. Decision tree regression sebagai metode terbaik diantara metode regresi lainnya dalam 4 pengujian akurasi dengan rasio 90:10, 80:20, 70:30 dan 60:40.Kata Kunci: diabetes, decision tree, regresi","PeriodicalId":190919,"journal":{"name":"JURNAL TEKNISI","volume":"8 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-02-25","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"PENERAPAN REGRESI LINEAR BERGANDA UNTUK MEMPREDIKSI DIABETES SECARA DINI\",\"authors\":\"A. Sari, Dian Utami Putri\",\"doi\":\"10.54314/teknisi.v3i1.1255\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Diabetes is a long-lasting disease characterized by high or above normal blood sugar (glucose) levels. Lack of public information about diabetes and constraints on the problem of hospital costs make people reluctant to check themselves at the health center, therefore this can help people find information early on to better maintain their health so they don't suffer from diabetes. Predictive efforts are needed to find out the approximate outcome of diagnosing diabetes in someone early on with Pregnancies, Glucose (sugar), BloodPressure (blood pressure), SkinThickness, Insulin, BMI (Weight), DiabetesPedigreeFunction, Age (Age). Furthermore, predictions use the regression method where there are 7 more methods including (1) Linear Regression, (2) Support Vector Regression - Linear, (3) Support Vector Regression - RBF, (4) Decision Tree Regression, (5) Random Forest Regressor, ( 6) Gradient Boosting Regression, (7) NLP Regressor applied in this study. The aim of the research is to be able to determine the best regression method based on 7 regression methods with the best accuracy value that will be used in the deploy process to predict the outcome of diagnosing diabetes in someone from an early age. Decision tree regression as the best method among other regression methods in 4 accuracy tests with ratios of 90:10, 80:20, 70:30 and 60:40.Keywords: diabetes, decision tree, regressionDiabetes merupakan penyakit yang berlangsung lama ditandai dengan kadar gula (glukosa) darah yang tinggi atau diatas normal. Kurangnya informasi masyarakat mengenai penyakit diabetes dan kendala masalah biaya kerumah sakit membuat masyarakat enggan untuk memeriksakan dirinya ke puskesmas, oleh karena itu ini dapat membantu masyarakat mengetahui informasi sejak dini untuk lebih menjaga kesehatan agar tidak menderita diabetes. Diperlukannya upaya prediksi untuk mengetahui perkiraan hasil diagnose diabetespada seseorang sejak dini dengan Pregnancies, Glucose (gula), BloodPressure (tekanan darah), SkinThickness , Insulin, BMI (Berat Badan), DiabetesPedigreeFunction, Age (Umur). Selanjutnya prediksi menggunakan metode regresi dimana terdapat 7 metode lagi meliputi (1) Linear Regression, (2) Support Vector Regression – Linear, (3) Support Vector Regression – RBF, (4) Decision Tree Regression, (5) Random Forest Regressor, (6) Gradient Boosting Regression, (7) NLP Regressor yang diterapkan dalam penelitian ini. Tujuan penelitian untuk dapat menentukan metode regresi terbaik berdasarkan 7 metode regresi dengan nilai akurasi paling terbaik yang akan digunakan dalam proses pengolahan deploy untuk prediksi hasil diagnose diabetespada seseorang sejak dini. Decision tree regression sebagai metode terbaik diantara metode regresi lainnya dalam 4 pengujian akurasi dengan rasio 90:10, 80:20, 70:30 dan 60:40.Kata Kunci: diabetes, decision tree, regresi\",\"PeriodicalId\":190919,\"journal\":{\"name\":\"JURNAL TEKNISI\",\"volume\":\"8 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2023-02-25\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"JURNAL TEKNISI\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.54314/teknisi.v3i1.1255\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"JURNAL TEKNISI","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.54314/teknisi.v3i1.1255","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
摘要
糖尿病是一种长期疾病，其特征是血糖(葡萄糖)水平过高或高于正常水平。缺乏关于糖尿病的公共信息和对医院费用问题的限制使人们不愿意在健康中心检查自己，因此这可以帮助人们及早发现信息，更好地保持健康，这样他们就不会患糖尿病。在怀孕、葡萄糖(血糖)、血压(血压)、皮肤厚度、胰岛素、BMI(体重)、糖尿病谱系功能、年龄(年龄)等早期诊断糖尿病的近似结果需要预测性的努力。此外，预测使用回归方法，其中有7种方法，包括(1)线性回归，(2)支持向量回归-线性，(3)支持向量回归- RBF，(4)决策树回归，(5)随机森林回归，(6)梯度增强回归，(7)本研究中应用的NLP回归。本研究的目的是能够在7种回归方法的基础上确定最佳的回归方法，该回归方法具有最佳的准确性值，将用于部署过程中，以预测早期诊断糖尿病的结果。在4次准确率测试中，决策树回归的准确率比分别为90:10、80:20、70:30和60:40。关键词:糖尿病，决策树，回归糖尿病，糖尿病，糖尿病，糖尿病，糖尿病，糖尿病，糖尿病，糖尿病，糖尿病，糖尿病，糖尿病，糖尿病这句话的意思是:“我的意思是，我的意思是，我的意思是，我的意思是，我的意思是，我的意思是，我的意思是，我的意思是，我的意思是，我的意思是，我的意思是，我的意思是，我的意思是，我的意思是，我的意思是，我的意思是，我的意思是，我的意思是，我的意思是，我的意思是，我的意思是，我的意思是，我的意思是，我的意思是，我的意思是，我的意思是，我的意思是，我的意思是，我的意思是，我的意思是，我的意思是，我的意思是，我的意思是，我的意思是，我的意思是，我的意思。”糖尿病诊断包括妊娠、血糖(gula)、血压(tekanan darah)、皮肤厚度、胰岛素、BMI (Berat Badan)、糖尿病谱系、功能、年龄(Umur)等。(1)线性回归，(2)支持向量回归-线性回归，(3)支持向量回归- RBF回归，(4)决策树回归，(5)随机森林回归，(6)梯度增强回归，(7)NLP回归。图juan penelitian untuk dapat menentukan方法regression i terbaik berdasarkan 7方法regresi dengan nilai akurasi paling terbaik yang akan digunakan dalam方法pengolahan部署untuk prediksi用于诊断糖尿病espada seseang sejak dini。决策树回归sebagai方法terbaik diantara方法回归lainnya dalam [4] [au:] [au:]Kata Kunci:糖尿病，决策树，回归
PENERAPAN REGRESI LINEAR BERGANDA UNTUK MEMPREDIKSI DIABETES SECARA DINI
Diabetes is a long-lasting disease characterized by high or above normal blood sugar (glucose) levels. Lack of public information about diabetes and constraints on the problem of hospital costs make people reluctant to check themselves at the health center, therefore this can help people find information early on to better maintain their health so they don't suffer from diabetes. Predictive efforts are needed to find out the approximate outcome of diagnosing diabetes in someone early on with Pregnancies, Glucose (sugar), BloodPressure (blood pressure), SkinThickness, Insulin, BMI (Weight), DiabetesPedigreeFunction, Age (Age). Furthermore, predictions use the regression method where there are 7 more methods including (1) Linear Regression, (2) Support Vector Regression - Linear, (3) Support Vector Regression - RBF, (4) Decision Tree Regression, (5) Random Forest Regressor, ( 6) Gradient Boosting Regression, (7) NLP Regressor applied in this study. The aim of the research is to be able to determine the best regression method based on 7 regression methods with the best accuracy value that will be used in the deploy process to predict the outcome of diagnosing diabetes in someone from an early age. Decision tree regression as the best method among other regression methods in 4 accuracy tests with ratios of 90:10, 80:20, 70:30 and 60:40.Keywords: diabetes, decision tree, regressionDiabetes merupakan penyakit yang berlangsung lama ditandai dengan kadar gula (glukosa) darah yang tinggi atau diatas normal. Kurangnya informasi masyarakat mengenai penyakit diabetes dan kendala masalah biaya kerumah sakit membuat masyarakat enggan untuk memeriksakan dirinya ke puskesmas, oleh karena itu ini dapat membantu masyarakat mengetahui informasi sejak dini untuk lebih menjaga kesehatan agar tidak menderita diabetes. Diperlukannya upaya prediksi untuk mengetahui perkiraan hasil diagnose diabetespada seseorang sejak dini dengan Pregnancies, Glucose (gula), BloodPressure (tekanan darah), SkinThickness , Insulin, BMI (Berat Badan), DiabetesPedigreeFunction, Age (Umur). Selanjutnya prediksi menggunakan metode regresi dimana terdapat 7 metode lagi meliputi (1) Linear Regression, (2) Support Vector Regression – Linear, (3) Support Vector Regression – RBF, (4) Decision Tree Regression, (5) Random Forest Regressor, (6) Gradient Boosting Regression, (7) NLP Regressor yang diterapkan dalam penelitian ini. Tujuan penelitian untuk dapat menentukan metode regresi terbaik berdasarkan 7 metode regresi dengan nilai akurasi paling terbaik yang akan digunakan dalam proses pengolahan deploy untuk prediksi hasil diagnose diabetespada seseorang sejak dini. Decision tree regression sebagai metode terbaik diantara metode regresi lainnya dalam 4 pengujian akurasi dengan rasio 90:10, 80:20, 70:30 dan 60:40.Kata Kunci: diabetes, decision tree, regresi
求助内容：
应助结果提醒方式：
京公网安备 11010802042870号
