Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Malcom: Indonesian Journal of Machine Learning and Computer Science
Priandika, Arjuna
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
Penerapan Teknik Ensemble Learning untuk Klasifikasi Jenis-jenis Anemia: Application of Ensemble Learning Technique for Classification of Anemia Types Priandika, Arjuna; Isnain, Auliya Rahman
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 3 (2025): MALCOM July 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i3.1721

Abstract

Anemia merupakan kondisi medis yang memerlukan diagnosis yang akurat untuk penanganan yang efektif. Penelitian ini mengeksplorasi penerapan teknik ensemble learning, khususnya stacking classifier, untuk klasifikasi jenis-jenis anemia. Teknik ini menggabungkan tiga model dasar: Random Forest, K-Nearest Neighbors (KNN), dan Gradient Boosting, dengan Logistic Regression sebagai estimator akhir. Data medis yang digunakan melibatkan berbagai fitur hematologi, dan preprocessing meliputi pembersihan, normalisasi, serta pembagian data. Evaluasi model dilakukan menggunakan cross-validation dengan 10 lipatan. Hasil penelitian menunjukkan bahwa stacking classifier mencapai akurasi keseluruhan 98%, dengan precision dan recall yang sangat baik di sebagian besar kelas. Kelas-kelas seperti Iron deficiency anemia, Leukemia, dan Other microcytic anemia menunjukkan precision 100%, sementara beberapa kelas dengan sampel kecil mengalami recall yang lebih rendah. Secara keseluruhan, model ini efektif dalam mengklasifikasikan jenis-jenis anemia dengan akurasi tinggi dan dapat diadaptasi untuk meningkatkan diagnosis medis lebih lanjut. Penelitian ini menyoroti potensi teknik ensemble dalam memperbaiki performa klasifikasi dan menyarankan eksplorasi lebih lanjut pada data dengan distribusi yang tidak merata
Co-Authors Isnain, Auliya Rahman