UMBUMB

SINERGISINERGI

Sistem kesehatan saat ini semakin berkembang dengan adanya sistem artificial cerdas dalam mendeteksi penyakit. Deteksi dini penyakit ginjal sangat penting dengan mengenali gejala-gejala untuk mencegah kerusakan yang lebih parah. Penelitian ini memperkenalkan sistem klasifikasi penyakit ginjal menggunakan algoritma Artificial Bee Colony (ABC) dan K-Nearest Neighbor (KNN) yang dimodifikasi secara genetik. ABC digunakan sebagai pemilihan fitur untuk menentukan gejala-gejala yang relevan yang digunakan dalam mempengaruhi penyakit ginjal dan KNN yang dimodifikasi secara genetik digunakan untuk klasifikasi. Penelitian ini terdiri dari tiga tahap: pra-pengolahan, pemilihan fitur, dan klasifikasi. Namun, penelitian ini berfokus pada tahap pra-pengolahan penyakit ginjal kronis menggunakan 400 catatan dengan 24 atribut untuk pemilihan fitur dan klasifikasi. Data penyakit ginjal diklasifikasikan menjadi dua kelas, yaitu penyakit ginjal kronis dan bukan penyakit ginjal kronis. Selanjutnya, kinerja metode yang diusulkan dibandingkan dengan metode lain. Hasil menunjukkan bahwa akurasi sebesar 98,27% diperoleh dengan membagi dataset menjadi 280 data pelatihan dan 120 data uji.

Penelitian ini menunjukkan bahwa metode ABC diterapkan sebagai pemilihan fitur GMKNN yang mempengaruhi klasifikasi penyakit ginjal.Hasil perbandingan rata-rata matriks kebingungan pada metode MKNN, MKNN-ABC, dan GMKNN-ABC menunjukkan bahwa GMKNN-ABC memberikan hasil rata-rata terbaik dibandingkan yang lain.Selain itu, pemilihan fitur sangat berpengaruh pada tingkat akurasi, presisi, dan f1-score yang dihasilkan.Metode GMKNN-ABC memberikan hasil rata-rata tertinggi di atas 95% dibandingkan MKNN dan MKNN-ABC.Metode yang diusulkan dalam penelitian ini, terutama metode GMKNN-ABC, belum pernah dilakukan oleh penelitian sebelumnya.Peningkatan akurasi yang dihasilkan dari metode GMKNN-ABC dalam klasifikasi penyakit ginjal berkontribusi pada penelitian ini.

Untuk penelitian lanjutan, dapat dilakukan pengembangan algoritma ABC untuk meningkatkan akurasi dalam pemilihan fitur. Selain itu, dapat dieksplorasi penggunaan algoritma lain yang lebih canggih untuk klasifikasi penyakit ginjal, seperti algoritma Deep Learning atau algoritma berbasis jaringan saraf. Penelitian juga dapat dilakukan untuk membandingkan kinerja algoritma yang diusulkan dengan algoritma lain yang sudah ada, seperti algoritma Support Vector Machine atau algoritma Random Forest. Dengan demikian, penelitian ini dapat memberikan kontribusi yang lebih luas dalam bidang klasifikasi penyakit ginjal menggunakan teknik-teknik kecerdasan buatan.

  1. CLASSIFICATION OF KIDNEY DISEASE USING GENETIC MODIFIED KNN AND ARTIFICIAL BEE COLONY ALGORITHM | Ariani... publikasi.mercubuana.ac.id/index.php/sinergi/article/view/8701CLASSIFICATION OF KIDNEY DISEASE USING GENETIC MODIFIED KNN AND ARTIFICIAL BEE COLONY ALGORITHM Ariani publikasi mercubuana ac index php sinergi article view 8701
Read online
File size326.91 KB
Pages8
DMCAReport

Related /

ads-block-test