Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Limits: Journal of Mathematics and Its Applications
Asyifah Qalbi
Unknown Affiliation
Computer Science & IT Mathematics

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

Found 1 Documents
Search

 1 
Perbandingan Kinerja Hybrid Classification SVM-RF dan SVM-NN Terhadap Faktor Risiko Anemia Ibu Hamil di Indonesia dengan Pendekatan Clustering K-Means Asyifah Qalbi; Erfiani; Budi Susetyo
Limits: Journal of Mathematics and Its Applications Vol. 22 No. 3 (2025): Limits: Journal of Mathematics and Its Applications Volume 22 Nomor 3 Edisi No
Publisher : Pusat Publikasi Ilmiah LPPM Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/limits.v22i3.8862

Abstract

Klasifikasi merupakan salah satu topik yang paling banyak diteliti oleh para peneliti dari bidang machine learning dan data mining. Metode machine learning yang sering digunakan antara lain Support Vector Machine (SVM), Random Forest (RF) dan Neural Network (NN). Namun, SVM tidak selalu memberikan nilai akurasi yang baik. Sebagai contoh, ketika diterapkan pada data yang sangat tidak seimbang, SVM akan mengalami tantangan. Selain itu, tidak terdapat satu metode terbaik yang bisa diterapkan untuk semua masalah klasifikasi. Saat ini, pendekatan metode hybrid untuk penggunaan data mining menjadi semakin populer seperti metode hybrid SVM-RF, SVM-NN dan KMeans-SVM. Pada penelitian ini, metode hybrid SVM-RF dan SVM-NN digunakan untuk mengklasifikasikan faktor risiko anemia pada ibu hamil di Indonesia dengan pendekatan K-Means untuk mengelompokkan data yang salah klasifikasi oleh SVM. Hasil penelitian menunjukkan bahwa metode hybrid dapat meningkatkan kinerja model SVM. Hybrid SVM-RF memberikan nilai metrik evaluasi yang lebih tinggi dibandingkan dengan SVM-NN. Empat metrik evaluasi yang digunakan, yaitu accuracy, balanced accuracy, sensitivity dan specificity pada SVM-RF masing-masing bernilai sebesar 0,989; 0,989; 0,988; dan 0,989. Peubah yang berkontribusi secara umum berdasarkan SHAP Global terhadap klasifikasi faktor risiko anemia pada ibu hamil secara berurutan adalah Usia, Tablet Fe, Status Bekerja, Pendidikan, Status Gizi dan ANC
Co-Authors Budi Susetyo Erfiani