Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal ARMADA : Jurnal Penelitian Multidisiplin
Fresy Nugroho
Program Studi Magister Informatika, Universitas Islam Negri Maulana Malik Ibrahim Malang
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Comparative Classification of Hepatitis C Disease Using Naïve Bayes and Random Forest with SMOTE-Based Class Balancing Ida Oktavia Salsavana; Mokhamad Amin Hariyadi; Fresy Nugroho
ARMADA : Jurnal Penelitian Multidisiplin Vol. 4 No. 6 (2026): ARMADA : Jurnal Penelitian Multidisplin, Juni 2026
Publisher : LPPM Sekolah Tinggi Ilmu Ekonomi 45 Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55681/armada.v4i6.2961

Abstract

Hepatitis C merupakan penyakit hati yang disebabkan oleh Virus Hepatitis C (HCV) dan dapat berkembang menjadi komplikasi serius seperti sirosis, gagal hati, dan kanker hati. Deteksi dini yang akurat sangat penting untuk meningkatkan keberhasilan pengobatan dan kualitas hidup pasien. Penelitian ini membandingkan kinerja algoritma Naïve Bayes dan Random Forest dalam klasifikasi penyakit Hepatitis C menggunakan data klinis dari UCI Machine Learning Repository yang terdiri atas 615 data pasien. Tahap prapemrosesan meliputi pembersihan data, transformasi data, dan penyeimbangan kelas menggunakan metode Synthetic Minority Over-sampling Technique (SMOTE). Dataset dibagi dengan rasio 80:20 untuk data latih dan data uji. Hasil eksperimen menunjukkan bahwa Random Forest menghasilkan akurasi 99,06%, precision 0,99, recall 0,98, dan F1-score 0,99, jauh melampaui Naïve Bayes yang memperoleh akurasi 84,06%. Analisis feature importance mengidentifikasi AST, ALT, GGT, Usia, dan Albumin sebagai prediktor klinis paling signifikan. Kombinasi algoritma Random Forest dan SMOTE terbukti menjadi pendekatan yang sangat efektif dalam klasifikasi Hepatitis C dan berpotensi besar mendukung pengambilan keputusan klinis yang akurat untuk deteksi dini penyakit.
Co-Authors Ida Oktavia Salsavana Mokhamad Amin Hariyadi