Perbandingan Algoritma Machine Learning Untuk klasifikasi Amenorrhea

Indah Lestari (Universitas Bina Insan)
Muhamad Akbar (Universitas Bina Insan)
Bunga Intan (Universitas BIna Insan)

Journal of Computer and Information Systems Ampera
Vol. 4 No. 1 (2023): Journal of Computer and Information Systems Ampera

Penelitian ini bertujuan untuk mengatasi masalah kurangnya penelitian yang dilakukan pada algoritma perbandingan dalam mengklasifikasikan Amenore. Banyak orang yang mengabaikan atau bahkan tidak memahami Amenore karena informasi yang terbatas mengenai masalah ini. Dalam penelitian ini, dilakukan perbandingan antara empat algoritma, yaitu k-NN, SVM, Decision Tree, dan Naïve Bayes, untuk mengklasifikasikan Amenore dengan menggunakan data dari salah satu repositori data Google. Hasil penelitian menunjukkan bahwa algoritma k-NN memberikan nilai akurasi tertinggi, yaitu 0,99. Temuan ini dapat membantu dalam pengembangan metode diagnosa Amenore yang lebih akurat dan efektif.