<![CDATA[Abstract - This paper describes how machine learning in the medical field for the diagnosis of liver damage due to hepatitis C, the severity of hepatitis C can be divided into hepatitis, fibrosis and cirrhosis. An automated classification method is proposed for diagnosis using a series of commonly used diagnostic test data, models such as Support Vector Machine (SVM), Random Forest (RF), Naive Bayes, Logistic Regression and kNN have been proposed in this task. The model is validated using 10-fold validation to be evaluated using a confusion matrix and find out which method is the best. We found that SVM is the best model with an accuracy value of 0.883, the accuracy is quite good compared to other models, this study can be a reference for the development of an automated model for the diagnosis of liver damage due to hepatitis C.Keyword: Hepatitic C, Machine Learning, hepatitic, fibrosis, cirrhosis,Abstrak - Makalah ini menjelaskan bagaimana machine learning dalam bidang medis untuk diagnosis tingkat kerusakan hati akibat hepatitis C, tingkat keparahan akibat hepatitis c dapat dibedakan menjadi hepatitis, fibrosis dan cirrhosis. Metode klasifikasi otomatis diusulkan untuk mendiagnosis dengan menggunakan serangkaian data tes diagnosis yang umum digunakan, model seperti Support Vector Machine (SVM), Random Forest (RF), Naive Bayes, Logistic Regression dan kNN telah diusulkan dalam tugas ini. Model di validasi menggunakan 10-fold validation untuk dievaluasi menggunakan confusion matrix dan menemukan metode mana yang terbaik. Kami menemukan bahwa SVM menjadi model yang terbaik dengan nilai akurasi 0,883, akurasi cukup baik dibandingkan model lainnya, penelitian ini dapat menjadi acuan untuk pengembangan model otomatisasi diagnosis tingkat kerusakan hati akibat hepatitis C.Keyword: Hepatitic C, Machine Learning, hepatitic, fibrosis, cirrhosis,]]>
Copyrights © 2021
