KLASIFIKASI DATA MINING DENGAN ALGORITMA MACHINE LARNING UNTUK PREDIKSI PENYAKIT LIVER

F. Lia Dwi Cahyanti(1*), Fajar Sarasati(2), Widi Astuti(3), Elly Firasari(4)

(1) Universitas Nusa Mandiri
(2) Universitas Nusa Mandiri
(3) Universitas Nusa Mandiri
(4) Universitas Nusa Mandiri
(*) Corresponding Author

Sari


Liver merupakan organ tubuh manusia yang memiliki peranan sangat penting seperti mencerna, menyerap, membantu proses pencernaan makanan serta menghancurkan racun di dalam darah. Penyakit hati atau liver yang sudah akut sangat mempengaruhi fungsi-fungsi hati, penyakit hati dapat diketahui dari munculnya gejala klinis maupun fisik yang timbul pada pasien. Penelitian ini membahas tentang klasifikasi penyakit liver pada dataset ILPD yang diambil dari UCI Machine learning Repository menggunakan algoritma machine learning. Dataset terdiri dari 583 record data, 10 kriteria, dan 1 variable kelas berjenis multivariate. Penelitian ini menggunakan beberapa tahapan preprocessing yang dilakukan, diantaranya : Preprocessing Data Dan Eksplorasi Data, Penanganan missing value, feature selection, menerapkan feature correlation dan feature scaling, Analisis menggunakan Algoritma Machine learning. Berdasarkan hasil pengujian yang dilakukan dalam memperoleh nilai akurasi perhitungan klasifikasi menggunakan Algoritma Random Forest memiliki performa  keakuratan yang diukur dengan akurasi sebesar 78,63% sehingga disimpulkan akurasi tersebut lebih unggul dari algoritma lainnya dalam klasifikasi penyakit liver.


Teks Lengkap:

PDF

Referensi


Azis, H., Tangguh Admojo, F. dan Susanti, E. (2020) “Analisis Perbandingan Performa Metode Klasifikasi pada Dataset Multiclass Citra Busur Panah,” Techno.Com, 19(3), hal. 286–294. doi: 10.33633/tc.v19i3.3646.

Falatehan, A. I., Hidayat, N. dan Brata, K. C. (2018) “Sistem Pakar Diagnosis Penyakit Hati Menggunakan Metode Fuzzy Tsukamoto Berbasis Android,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya, 2(8), hal. 2373–2381. Tersedia pada: http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/1773.

Friedman, J. H. (2001) “Greedy function approximation: A gradient boosting machine,” Annals of Statistics, 29(5), hal. 1189–1232. doi: 10.1214/aos/1013203451.

Lin, R. H. (2009) “An intelligent model for liver disease diagnosis,” Artificial Intelligence in Medicine, 47(1), hal. 53–62. doi: 10.1016/j.artmed.2009.05.005.

Lubis, A. I., Erdiansyah, U. dan Siregar, R. (2022) “Komparasi Akurasi pada Naive Bayes dan Random Forest dalam Klasifikasi Penyakit Liver,” Journal of Computing Engineering, System and Science (CESS), 7(1), hal. 81–89.

Prajarini, D. (2016) “Perbandingan Algoritma Klasifikasi Data Mining Untuk Prediksi Penyakit Kulit,” 1(3), hal. 1–5.

Rahman, N. T. (2020) “Analisa Algoritma Decision Tree Dan Naïve Bayes Pada Pasien Penyakit Liver,” Jurnal Fasilkom, 10(2), hal. 144–151. doi: 10.37859/jf.v10i2.2087.

Roihan, A., Sunarya, P. A. dan Rafika, A. S. (2020) “Pemanfaatan Machine learning dalam Berbagai Bidang: Review paper,” IJCIT (Indonesian Journal on Computer and Information Technology), 5(1), hal. 75–82. doi: 10.31294/ijcit.v5i1.7951.

Utomo, D. P. (2020) “Analisis Komparasi Metode Klasifikasi Data Mining dan Reduksi Atribut Pada Data Set Penyakit Jantung,” 4(April), hal. 437–444. doi: 10.30865/mib.v4i2.2080.

Widodo, H., Rohman, A. dan Sismindari, S. (2019) “Pemanfaatan Tumbuhan Famili Fabaceae untuk Pengobatan Penyakit Liver oleh Pengobat Tradisional Berbagai Etnis di Indonesia,” Media Penelitian dan Pengembangan Kesehatan, 29(1), hal. 65–88. doi: 10.22435/mpk.v29i1.538.

Wu, Z. et al. (2017) “An Ensemble Random Forest Algorithm for Insurance Big Data Analysis,” Proceedings - 2017 IEEE International Conference on Computational Science and Engineering and IEEE/IFIP International Conference on Embedded and Ubiquitous Computing, CSE and EUC 2017, 1, hal. 531–536. doi: 10.1109/CSE-EUC.2017.99.

Zaidan, A. S. A. & R. A. H. & J. k. A. & Z. T. A. & A. A. Z. & B. B. et al. (2020) “Role of biological Data Mining and MachineLearningTechniques in Detecting and Diagnosing the Novel Coronavirus (COVID-19): A Systematic Review,” Journal of Medical Systems.




DOI: http://dx.doi.org/10.31602/tji.v14i2.10093

Refbacks

  • Saat ini tidak ada refbacks.


© 2019 Technologia   p-ISSN: 2086-6917    e-ISSN: 2656-8047

-------------------------------------------------------------------------------------------

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