UNIKUUNIKU

Jurnal Edukasi dan Sains Matematika (JES-MAT)Jurnal Edukasi dan Sains Matematika (JES-MAT)

Penelitian ini berisi tentang klasifikasi menggunakan metode support vector machine (SVM) dan random forest (RF) pada penyakit anemia. SVM memiliki kemampuan untuk memisahkan dua kelas pada data dengan menemukan hyperplane yang optimal. Dan Random Forest dapat mengatasi data yang tidak lengkap atau missing value, mampu mengurangi overfitting, dan meminimalisir error yang dihasilkan, serta dapat mengatasi data training yang sangat besar. Klasifikasi penyakit anemia pada penelitian ini menggunakan pembagian data training sebesar 70% dan testing sebesar 30%. Tingkat akurasi hasil klasifikasi menggunakan metode SVM sebesar 94%. Untuk klasifikasi menggunakan metode RF memperoleh tingkat akurasi sebesar 98%.

Berdasarkan hasil analisis kinerja kedua model, metode random forest menunjukkan performa yang lebih baik dibandingkan metode support vector machine dalam mendeteksi anemia.Hal ini dibuktikan pada tingkat accuracy, precision, recall, dan F1-score yang dimiliki random forest lebih tinggi dibanding support vector machine.Random forest mampu mengklasifikasikan hampir seluruh pasien dengan benar, sangat jarang memberikan kesalahan diagnosis.

1. Penelitian lanjutan dapat mengkaji penggunaan algoritma lain seperti XGBoost atau Neural Network untuk meningkatkan akurasi klasifikasi anemia. 2. Analisis perbandingan antara metode SVM dan RF dengan dataset yang lebih beragam untuk memvalidasi generalisasi model. 3. Penelitian lebih lanjut dapat mengeksplorasi pengaruh fitur tambahan, seperti data riwayat kesehatan atau faktor lingkungan, terhadap kinerja model klasifikasi anemia.

Read online
File size465.85 KB
Pages15
DMCAReport

Related /

ads-block-test