Article Per Year (5 Year)
p-Index From 2021 - 2026
1.116
P-Index
This Author published in this journals
All Journal Elektron Jurnal Ilmiah INTEGER: Journal of Information Technology El-Mujtama: Jurnal Pengabdian Masyarakat
Edelani, Renovita
Unknown Affiliation
Religion Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Social Sciences

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : INTEGER: Journal of Information Technology

 1 
Deteksi PCOS pada Wanita Menggunakan Explanatory Data Analysis (EDA) dan Support Vector Machine (SVM) Rahmawati, Weny Mistarika; Edelani, Renovita
INTEGER: Journal of Information Technology Vol 10, No 1 (2025): April
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.integer.2024.v10i1.7595

Abstract

Polycistic Ovarium Syndrom (PCOS) merupakan gangguan hormonal yang terjadi pada Wanita usia produktif dan bisa mengakibatkan infertilitas. PCOS sendiri belum diketahui penyebab pastinya tetapi factor genetic dan pola hidup merupakan factor yang dapat memengaruhi seorang Wanita terkena PCOS. Penelitian ini bertujuan melakukan deteksi PCOS berdasarkan data yang terdiri dari umur, indeks masa tubuh, level testosterone serta jumlah folikel. Data awal yang didapat memiliki distribusi yang tidak baik atau bisa dikatakan tidak seimbang. Peneliti melakukan Explanatory Data Analysis (EDA) pada tahap awal dengan membuat scatterplot untuk mencari korelasi setiap fitur dengan kelas target. Hasilnya ada fitur keteraturan haid yang nilai kealpaannya sangat mempengaruhi deteksi PCOS sehingga dilakukan penghapusan data  pada nilai null pada fitur tersebut. Setelah itu dilakukan klasifikasi Support Vector Machine (SVM) untuk memisahkan kelas terdiagnosa PCOS atau tidak. Beberapa kernel SVM diujikan untuk mengetahui hasil terbaik yang bisa dihasilkan. Evaluasi dilakukan dengan menghitung akurasi, precision, recall dan f1-score pada confussion matrix yang terbentuk. Hasil dari penelitian menunjukkan bawa kernel polynomial memberikan hasil klasifikasi terbaik dengan akurasi sebesar 89,62%, precision 81,08%, recall 88,23% dan f1-score 84,5%. Penelitian ini mengonfirmasi bahwa kombinasi EDA dan SVM dapat digunakan sebagai pendekatan yang efektif dalam mendukung deteksi PCOS.
Co-Authors Ahsan, Ahmad Syauqi Al Falah, Adam Ghazy Alde, Muhammad Riski Alfaqih, Wildan Maulana Akbar Alfi Fadliana Ali Ridho Barakbah Andhik Ampuh Yunanto Anggriawan, Bagus ANITA DAMAYANTI Arna Fariza Aziz, Adam Shidqul Desy Intan Permatasari, Desy Intan Edi Satriyanto Entin Martiana Kusumaningtyas Fauzi Nafi'Ubadah, Kriza Febrianto, Ardiansyah Indra Ferry Astika Saputra Haikal Yuniarta Krisgianto, Ricko Insani, Fawzan Ira Prasetyaningrum Isbat Uzzin Nadhori, Isbat Uzzin iwan Syarif Khoirunnisa, Asy Syaffa Kindarya, Fabyan Kusuma, Selvia Ferdiana M Udin Harun Al Rasyid, M Udin Harun Maulana, Wahyu Ikbal Nana Ramadijanti, Nana Ni'Ma, Najma Akmalina Nur Rosyid Mubtadai, Nur Rosyid Primajaya, Grezio Arifiyan Ridho, Bistiana Syafina Sa'adah, Umi Saputra, Muhammad Krisnanda Vilovan Sumarsono, Irwan Susetyoko, Ronny Tita Karlita Tri Hadiah Muliawati, Tri Hadiah Weny Mistarika Rahmawati