IRPIIRPI
MALCOM: Indonesian Journal of Machine Learning and Computer ScienceMALCOM: Indonesian Journal of Machine Learning and Computer ScienceAnemia merupakan kondisi medis yang memerlukan diagnosis yang akurat untuk penanganan yang efektif. Penelitian ini mengeksplorasi penerapan teknik ensemble learning, khususnya stacking classifier, untuk klasifikasi jenis-jenis anemia. Teknik ini menggabungkan tiga model dasar: Random Forest, K-Nearest Neighbors (KNN), dan Gradient Boosting, dengan Logistic Regression sebagai estimator akhir. Data medis yang digunakan melibatkan berbagai fitur hematologi, dan preprocessing meliputi pembersihan, normalisasi, serta pembagian data. Evaluasi model dilakukan menggunakan cross-validation dengan 10 lipatan. Hasil penelitian menunjukkan bahwa stacking classifier mencapai akurasi keseluruhan 98%, dengan precision dan recall yang sangat baik di sebagian besar kelas. Kelas-kelas seperti Iron deficiency anemia, Leukemia, dan Other microcytic anemia menunjukkan precision 100%, sementara beberapa kelas dengan sampel kecil mengalami recall yang lebih rendah. Secara keseluruhan, model ini efektif dalam mengklasifikasikan jenis-jenis anemia dengan akurasi tinggi dan dapat diadaptasi untuk meningkatkan diagnosis medis lebih lanjut. Penelitian ini menyoroti potensi teknik ensemble dalam memperbaiki performa klasifikasi dan menyarankan eksplorasi lebih lanjut pada data dengan distribusi yang tidak merata.
Penelitian ini berhasil mengembangkan model klasifikasi yang akurat untuk mendeteksi berbagai jenis anemia menggunakan teknik ensemble learning dengan Stacking Classifier.Hasil yang diperoleh menunjukkan bahwa kombinasi model Random Forest, KNN, dan Gradient Boosting yang diintegrasikan melalui Logistic Regression mampu memberikan akurasi yang tinggi.Model ini memiliki precision tertinggi pada kelas Iron deficiency anemia, Leukemia, dan Other microcytic anemia, dan recall terbaik tercatat pada kelas Healthy dan Leukemia.Secara keseluruhan, Stacking Classifier terbukti efektif dalam mengklasifikasikan berbagai jenis anemia dengan akurasi dan keandalan yang tinggi.
Berdasarkan hasil penelitian, terdapat beberapa saran penelitian lanjutan yang dapat dilakukan untuk lebih meningkatkan akurasi dan efektivitas model klasifikasi anemia. Pertama, perlu dilakukan eksplorasi lebih lanjut terhadap teknik penanganan data yang tidak seimbang, seperti oversampling atau undersampling, untuk mengatasi masalah ketidakseimbangan kelas yang dapat mempengaruhi performa model pada kelas-kelas dengan jumlah sampel yang terbatas. Kedua, penelitian selanjutnya dapat menginvestigasi penggunaan fitur-fitur tambahan dari data medis, seperti hasil tes laboratorium lainnya atau informasi klinis pasien, untuk memperkaya informasi yang digunakan dalam proses klasifikasi dan meningkatkan akurasi prediksi. Ketiga, pengembangan model yang dapat memberikan penjelasan (explainable AI) mengenai alasan di balik prediksi yang diberikan akan sangat bermanfaat bagi klinisi dalam proses pengambilan keputusan, sehingga meningkatkan kepercayaan dan adopsi model dalam praktik klinis.
- K-Nearest Neighbors based on the Nk Interaction Graph | Anais do Encontro Nacional de Inteligência... doi.org/10.5753/eniac.2022.227174K Nearest Neighbors based on the Nk Interaction Graph Anais do Encontro Nacional de Inteligyncia doi 10 5753 eniac 2022 227174
- View of MODERN APPROACHES TO THE PHARMACOTHERAPY OF ANEMIA. view modern approaches anemia theusajournals.com/index.php/ijmscr/article/view/3222/3078View of MODERN APPROACHES TO THE PHARMACOTHERAPY OF ANEMIA view modern approaches anemia theusajournals index php ijmscr article view 3222 3078
- Classification of Anaemia Status Using The K-Nearest Neighbor Algorithm | G-Tech: Jurnal Teknologi Terapan.... ejournal.uniramalang.ac.id/index.php/g-tech/article/view/6377Classification of Anaemia Status Using The K Nearest Neighbor Algorithm G Tech Jurnal Teknologi Terapan ejournal uniramalang ac index php g tech article view 6377
| File size | 340.97 KB |
| Pages | 9 |
| DMCA | Report |
Related /
UMGOUMGO Tujuan penelitian ini adalah (1) Mengidentifikasi kualitas dan jenis buah cabai secara otomatis menggunakan Algoritma deep learning. (2) Meningkatkan AkurasiTujuan penelitian ini adalah (1) Mengidentifikasi kualitas dan jenis buah cabai secara otomatis menggunakan Algoritma deep learning. (2) Meningkatkan Akurasi
ILMUBERSAMAILMUBERSAMA 4551. Hasilnya menunjukkan bahwa sistem dapat memberikan rekomendasi yang cukup sesuai dengan preferensi pengguna. Berdasarkan hasil dari penelitian dan4551. Hasilnya menunjukkan bahwa sistem dapat memberikan rekomendasi yang cukup sesuai dengan preferensi pengguna. Berdasarkan hasil dari penelitian dan
IRPIIRPI The results obtained in the study from several users who have used the application are that it makes it easier to monitor childrens development in theThe results obtained in the study from several users who have used the application are that it makes it easier to monitor childrens development in the
IRPIIRPI Media sosial, khususnya Google Maps, berperan penting dalam promosi dan memahami perilaku wisatawan melalui fitur ulasan. Studi ini bertujuan melakukanMedia sosial, khususnya Google Maps, berperan penting dalam promosi dan memahami perilaku wisatawan melalui fitur ulasan. Studi ini bertujuan melakukan
IRPIIRPI Implementasi sistem ini diharapkan dapat memberikan manfaat dalam meningkatkan kualitas pelayanan publik melalui pengumpulan data kepuasan masyarakat yangImplementasi sistem ini diharapkan dapat memberikan manfaat dalam meningkatkan kualitas pelayanan publik melalui pengumpulan data kepuasan masyarakat yang
IRPIIRPI Evaluasi performa model dilakukan menggunakan metrik Mean Absolute Percentage Error (MAPE). Berbeda dengan model tradisional seperti Autoregressive IntegratedEvaluasi performa model dilakukan menggunakan metrik Mean Absolute Percentage Error (MAPE). Berbeda dengan model tradisional seperti Autoregressive Integrated
IRPIIRPI Integrasi YOLO11 dan OpenCV terbukti efektif dalam mengenali frasa bahasa isyarat tangan BISINDO secara real-time, membuka peluang untuk pengembangan sistemIntegrasi YOLO11 dan OpenCV terbukti efektif dalam mengenali frasa bahasa isyarat tangan BISINDO secara real-time, membuka peluang untuk pengembangan sistem
IRPIIRPI Proses analisis dilakukan melalui tahap prapemrosesan, pembobotan TF-IDF, dan klasifikasi menggunakan algoritma Naïve Bayes dan Support Vector MachineProses analisis dilakukan melalui tahap prapemrosesan, pembobotan TF-IDF, dan klasifikasi menggunakan algoritma Naïve Bayes dan Support Vector Machine
Useful /
IRPIIRPI Penelitian ini bertujuan merancang dan mengevaluasi sistem tersebut menggunakan User Experience Questionnaire (UEQ) dengan kebaruan pada penerapan evaluasiPenelitian ini bertujuan merancang dan mengevaluasi sistem tersebut menggunakan User Experience Questionnaire (UEQ) dengan kebaruan pada penerapan evaluasi
IRPIIRPI Evaluasi menggunakan Silhouette Score menghasilkan nilai 0,778, yang menandakan kualitas klasterisasi cukup baik dengan pemisahan antarkelompok yang jelas.Evaluasi menggunakan Silhouette Score menghasilkan nilai 0,778, yang menandakan kualitas klasterisasi cukup baik dengan pemisahan antarkelompok yang jelas.
IRPIIRPI 0 menghasilkan klasterisasi yang optimal. Temuan ini dapat menjadi dasar pengembangan layanan keuangan digital yang lebih inklusif di lingkungan perguruan0 menghasilkan klasterisasi yang optimal. Temuan ini dapat menjadi dasar pengembangan layanan keuangan digital yang lebih inklusif di lingkungan perguruan
UNTAG SMDUNTAG SMD Peningkatan kecerdasan moral merupakan tujuan pendidikan di Indonesia, sehingga perlu dikembangkan dengan metode yang efektif, seperti metode storytelling.Peningkatan kecerdasan moral merupakan tujuan pendidikan di Indonesia, sehingga perlu dikembangkan dengan metode yang efektif, seperti metode storytelling.