ESTD PERPUSTAKAAN UNTAD
ESTD PERPUSTAKAAN UNTAD
| JudulRANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN PENENTUAN TIPE PENYAKIT DIABETES MELLITUS BERBASIS WEB MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION STUDI KASUS RUMAH SAKIT UNDATA PALU |
| Nama: NAILUL HIDAYAT RAMADHAN |
| Tahun: 2025 |
| Abstrak ABSTRAK Nailul Hidayat Ramadhan, F55119084 2025. “RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN PENENTUAN TIPE PENYAKIT DIABETES MELLITUS BERBASIS WEB MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION STUDI KASUS RUMAH SAKIT UNDATA PALU”. Skripsi. Program Studi Teknik Informatika, Jurusan Teknologi Informasi, Fakultas Teknik. Pembimbing : Yuri Yudhaswana Joefrie, Ph.D. Diabetes mellitus merupakan salah satu penyakit kronis dengan prevalensi yang terus meningkat termasuk di kota palu sebagai salah satu wilayah dengan jumlah kasus tinggi di Sulawesi Tengah. Proses diagnosis yang akurat dan cepat sangat dibutuhkan untuk mendukung pelayanan medis sehingga diperlukan sistem yang mampu membantu tenaga Kesehatan dalam pengambilan keputusan (spk) penentuan tipe diabetes mellitus berbasis web menggunakan metode learning vector quantization (lvq) metode lvq digunakan karena mampu melakukan klasifikasi secara efektif berdasarkan pola data numerik seperti glukosa darah,hba1c,usia,gejala klinis,Riwayat keluarga,berta badan,dan jenis kelamin Dalam penelitian diperoleh olehrekam medis rumah sakit undata palu dan diolah menggunakan tahapan pengembangan sistem model waterfall. Sistem yang dibangun di uji menggunakan metode blackbox,whitebox,serta evaluasi model lvq melalui pengujian akurasi dengan scenario pembagian 65 data latih 35 data uji memberikan akurasi terbaik yaitu 100%, sedangkan skenario lain menghasilkan akurasi yang bervariasi, selain itu hasil kuisioner DeLone & McLean menunjukan bahwa kualitas sistem,kualitas informasi,dan kepuasan pengguna berada pada kategori baik Dengan demikian, sistem ini mampu memberikan rekomendasi diagnosis tipe diabetes mellitus secara cepat dan akurat, serta berpotensi membantu tenaga medis dalam meningkatkan kualitas layanan Kesehatan. Sistem ini juga dapat dikembangkan lebih lanjut, termasuk integrasi dengan algoritma lain atau implementasi pada platform mobile Kata Kunci : Sistem Pendukung keputusan, Diabetes Mellitus, Learning Vector Quantization (LVQ), Klasifikasi Web, Rumah Sakit Undata Palu. |