<![CDATA[Penyakit hepatitis adalah satu diantara lima penyakit yang paling mematikan. Hepatitis menyerang organ hati yang diakibatkan oleh serangan virus. Penyakit hepatitis merupakan masalah kesehatan global yang mempengaruhi jutaan orang di seluruh dunia. Deteksi dini dan pengklasifikasian yang akurat dari penyakit hepatitis sangat penting untuk pengelolaan dan perawatan yang tepat. Dalam artikel ini, kami mengusulkan sebuah sistem deteksi penyakit hepatitis yang menggunakan kombinasi metode Fuzzy k-NN dan Ensemble Learning. Pendekatan ini bertujuan untuk meningkatkan akurasi dan kehandalan dalam diagnosis hepatitis. Metode klasifikasi yang tepat dan data informasi yang lengkap dapat membantu dalam mendeteksi kemungkinan harapan hidup seseorang yang terkena penyakit hepatitis. Oleh karena itu kami mengusulkan untuk menggunakan gabungan metode yang merupakan gabungan dari Fuzzy K-NN dengan ensemble learning. Ensemble learning yang digunakan pada penelitian ini adalah ensemble bagging dan adaptive boosting. Ensemble learning digunakan untuk meningkatkan akurasi dari Fuzzy K-NN untuk memprediksi kemungkinan harapan hidup seseorang yang terkena penyakit hepatitis. Sebelum dilakukan metode klasifikasi dilakukan preprocessing terhadap dataset hepatitis dengan mengisi missing value dan menyeimbangkan data dengan menggunakan metode Synthetic Minority Oversampling Technique (SMOTE) borderline. Hasil uji coba pada penelitian ini menunjukkan bahwa metode yang diusulkan mendapatkan rata-rata akurasi sebesar 94,87% dan melebihi kinerja dari metode lain yang digunakan sebagai bahan uji.]]>
Copyrights © 2023
