PENGARUH TEKNIK SMOTE TERHADAP PREDIKSI HARAPAN HIDUP PENDERITA PENYAKIT HEPATITIS MENGGUNAKAN  ALGORITMA K- NEAREST NEIGHBOR

Devi Putri Prianggi; Agung Nilogiri; Reni Umilasari

doi:10.32528/jasie.v3i2.8910

PENGARUH TEKNIK SMOTE TERHADAP PREDIKSI HARAPAN HIDUP PENDERITA PENYAKIT HEPATITIS MENGGUNAKAN ALGORITMA K- NEAREST NEIGHBOR

Devi Putri Prianggi, Agung Nilogiri, Reni Umilasari

Abstract

Hepatitis merupakan penyakit yang menyerang organ hati pada manusia, biasanya disebabkan oleh infeksi jamur, bakteri, penggunaan alkohol, autoimune, dan obat-obatan. Hepatitis sendiri terbagi menjadi 5, yaitu hepatitis A, B, C, D, dan E. Hepatitis B memiliki prevelensi tertinggi kedua di Asia Tenggara. Tujuan dari penelitian ini yaitu untuk mengetahui tingkat akurasi, presisi, dan recall. Dataset yang digunakan berasal dari Kaggle berjumlah 142 dan atribut sebanyak 20. Pada uji coba penelitian ini menggunakan Cross Fold Validation dengan nilai K = 2, 4, dan 5. Dari implementasi menggunakan algoritma 𝐾-Nearest Neighbor tanpa SMOTE diperoleh hasil validasi terbaik dengan akurasi tertinggi didapatkan 89,66% pada Kfold 5, presisi 78,12% pada Kfold 4, dan recall 94,44% pada Kfold 5. Sedangkan implementasi yang dilakukan menggunakan algoritma 𝐾-Nearest Neighbor menggunakan SMOTE diperoleh hasil validasi terbaik dengan akurasi tertinggi didapatkan 93,48 % pada Kfold 5, presisi 95,00 % pada Kfold 5, dan recall 92,11 % pada Kfold 5

Keywords

Hepatitis; Harapan Hidup; SMOTE; Prediksi Harapan Hidup; KNN

Full Text:

PDF (Bahasa Indonesia)

References

Ali, A., Shamsuddin, S.M., & Anca L. R. (2015). “Classification with class imbalance problem: A review.” International Journal of Advances in Soft Computing and its Applications 7(3) : 176–204.

Avila, D., Bussonier, M., & Corlay, S. (2020). Jupyter. Jupyter.org.

Bustami. (2010). “Penerapan Algoritma Naïve Bayes untuk Mengklasifikasi Data Nasabah.” TECHSI: Jurnal Penelitian Teknik Informatika 4: 127–46.

Han. (2006). Classification Clasification.

Han, J., Kamber, M., & Pei, J. (2012). Data Mining: Concepts and Techniques. In Data Mining: Concepts and Techniques. https://doi.org/10.1016/C2009-0-61819-5.

Hidayah, U.N., Oktavianto, H., & Muharom, L.A. (2021). “Analisis Metode K-Nearest Neighbor Terhadap Klasifikasi Data Pasien Penderita Gagal Jantung.”

Hokya, S. (2013). “Buku Panduan Pemrograman Python.” Buku 84: 487–92. http://ir.obihiro.ac.jp/dspace/handle/10322/3933.

Ismail, A. M. (2018). “Cara Kerja Algoritma K-Nearest Neighbor (K-NN).” Medium.Com (August 2018): Artificial Intelligence. https://medium.com/bee-solution-partners/cara-kerja-algoritma-k-nearest-neighbor-k-nn-389297de543e.

Kemenkes RI. (2015). “Penanggulangan Hepatitis Virus.” Peraturan Menteri Kesehatan Republik Indonesia Nomor 53 Tahun 2015 Tentang Penanggulangan Hepatitis Virus Nomor 1126 (879): 1–41.

Khomsah, S. (2018). “Prediksi Harapan Hidup Penderita Hepatitis Kronik Menggunakan Metode-Metode Klasifikasi.” Seminar Nasional Informatika Medis: 38–45.

Ramdhani, A., Isnanto, R. R., & Windasari, I. P. (2015). “Pengembangan Sistem Pakar Untuk Diagnosis Penyakit Hepatitis Berbasis Web Menggunakan Metode Certainty Factor.” Jurnal Teknologi dan Sistem Komputer 3(1): 58.

Sari, H. P., Indriastuti, D., Asrul, M., & Elyasari E. (2019). “Perbedaan Pengetahuan Pre dan Post Pendidikan Kesehatan Pada Penghuni Lapas Tentang Risiko Kejadian Viral Hepatitis Di Lapas Perempuan Kelas III.” Jurnal Keperawatan 2(3): 9–16. https://stikesks-kendari.e-journal.id/JK/article/view/259.

Septiani, W. D. (2017). “Komparasi Metode Klasifikasi Data Mining Algoritma C4.5 Dan Naive Bayes Untuk Prediksi Penyakit Hepatitis.” Jurnal Pilar Nusa Mandiri Volume 13 No.1: 76–84.

Sulastri, S., Hadiono, K., & Anwar, M. T. (2020). “Analisis Perbandingan Klasifikasi Prediksi Penyakit Hepatitis Dengan Menggunakan Algoritma K-Nearest Neighbor, Naïve Bayes dan Neural Network.” Dinamik 24(2): 82–91.

Saxena, K., Khan, Z., & Singh, S. (2014). Diagnosis of Diabetes Mellitus using K Nearest Neighbor Algorithm. International Journal of Computer Science Trends and Technology (IJCST), 2(4), 36-43.

Syukron, M., Santoso, R., & Widiharih, T. (2020). “Perbandingan Metode Smote Random Forest Dan Smote Xgboost untuk Klasifikasi Tingkat Penyakit Hepatitis C Pada Imbalance Class Data.” Jurnal Gaussian 9(3): 227–36.

Ting, K. M. (2017). “Confusion Matrix.” Encyclopedia of Machine Learning and Data Mining (October): 260–260.

Wibowo, A. P., & Jumiati, E. (2018). “Sentiment Analysis Masyarakat Pekalongan Terhadap Pembangunan Jalan Tol Pemalang-Batang di Media Sosial.” IC-Tech XIII (0285): 42–48. http://ejournal.stmik-wp.ac.id/.

Widiarsana, O., Putra, N.W., & Budiyasa (2011). “Data Mining: Metode Clasification K-Nearest Neighbor (KNN).” Program Studi Teknologi Informasi Universitas Udayana.

Widyatama & Suprapty. (2018). “Bab II Landasan Teori.” Journal of Chemical Information and Modeling 53(9): 1689–99.

DOI: https://doi.org/10.32528/jasie.v3i2.8910

Refbacks

There are currently no refbacks.

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Username
Password
Remember me