Amanda, Januar Dwie (2017) Implementasi Metode Dempster-Shafer Untuk Mendeteksi Penyakit Diabetes Mellitus. Sarjana thesis, Universitas Brawijaya.
Abstract
Deteksi secara dini dapat meminimalisir resiko kematian penderita Diabetes Mellitus serta untuk penanganan awal penyakit ini. Proses deteksi yang ada selama ini masih manual, hal ini bergantung pada pakar penyakit organ dalam tubuh manusia yang jumlahnya tergolong terbatas serta biaya diagnosa yang relatif mahal. Pemanfaatan implementasi sistem proses deteksi menjadi lebih mudah dan singkat. Pakar penyakit ini dapat melakukan deteksi penyakit Diabetes Mellitus lebih awal dan mudah. Pada penelitian ini penyakit diabetes mellitus yang dapat dideteksi sebanyak 3 jenis menggunakan metode Dempster-Shafer dengan masukan gejala dari pengguna. Metode tersebut digunakan untuk mengolah data gejala penyakit Diabetes Mellitus dalam hasil perhitungan presentase sebesar 100%, sedangkan hasil pengujian sistem antara deteksi hasil perhitungan metode Demspter Shafer menggunakan 11 data kasus memiliki tingkat keakurasian sebesar 81,81 %.
English Abstract
Early detection can minimize the risk of death from Diabetes Mellitus disease and first treatment for this disease. The detection that existed so far is still don manually, which means it depend on the expert who very limited on itquantity and also it diagnosis are costly. The disease expert can detect Diabetes Mellitus earlier and cheap. On this research this kind of Diabetes Mellitus that can be detected as many as 3 disease using Demspster-Shafer Method with input from user of symptoms. The method is used to analyze the data of system accuracy test between the detection and the result of Dempster-Shafer method calculation with 11 case data has the data accuracy level of 81,81 %.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2017/680/051708192 |
| Uncontrolled Keywords: | Dempster-Shafer, Diabetes Mellitus, Deteksi |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.2 Special-purpose systems > 006.24 Automatic identification and data capture (AIDC) |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Yusuf Dwi N. |
| Date Deposited: | 11 Oct 2017 01:49 |
| Last Modified: | 17 Jun 2022 03:08 |
| URI: | http://repository.ub.ac.id/id/eprint/3530 |
![[thumbnail of Januar Dwie Amanda.pdf]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text
Januar Dwie Amanda.pdf Download (5MB) |
Actions (login required)
 |
View Item |