Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Informatika Teknologi dan Sains (Jinteks)
Faska, Ridho Mahardika
Unknown Affiliation
Computer Science & IT Control & Systems Engineering

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

Found 1 Documents
Search

 1 
PENGARUH TEKNIK PENYEIMBANGAN DATA PADA KLASIFIKASI PENYAKIT NAFLD DENGAN ALGORITMA SVM Faska, Ridho Mahardika; Gusti, Siska Kurnia; Budianita, Elvia; Syafria, Fadhilah
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 2 (2025): EDISI 24
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i2.5849

Abstract

Non-Alcoholic Fatty Liver Disease (NAFLD) merupakan penyakit hati kronis yang prevalensinya terus meningkat secara global, termasuk di Indonesia, dengan faktor risiko utama seperti obesitas, diabetes melitus, dan dislipidemia. Deteksi dini NAFLD menjadi tantangan penting karena metode konvensional seperti biopsi hati dan pencitraan memiliki keterbatasan dalam hal biaya, risiko invasif, dan kepraktisan. Penelitian ini bertujuan untuk mengembangkan model klasifikasi NAFLD menggunakan algoritma Support Vector Machine (SVM) dengan memanfaatkan dataset dari Kaggle yang terdiri dari 10 variabel dan 17.549 data. Untuk mengatasi masalah ketidakseimbangan kelas, diterapkan teknik oversampling seperti SMOTE, ADASYN, dan Random Oversampling (ROS) untuk melihat performa akurasi. Hasil penelitian menunjukkan bahwa SMOTE memberikan performa terbaik dengan akurasi tertinggi mencapai 78,70% pada kernel RBF, ROS dengan akurasi 78,18% dan ADASYN dengan akurasi 76,86%. Penelitian ini menyimpulkan bahwa pemilihan teknik oversampling data dan parameter yang tepat sangat penting dalam meningkatkan efektivitas model untuk menangani data tidak seimbang, sehingga dapat berkontribusi pada pengembangan metode deteksi NAFLD yang lebih efisien dan non-invasif.
Co-Authors Elvia Budianita Fadhilah Syafria Gusti, Siska Kurnia