<![CDATA[Anemia merupakan keadaan saat hemoglobin pada tubuh tidak dapat berfungsi dengan baik. Anemia berdampak buruk bagi kesehatan, salah satunya pada daya tahan tubuh. Untuk mencegah terjadinya penyakit anemia dapat dilakukan deteksi dini dengan memanfaatkan pendekatan matematika menggunakan data mining. Data mining memiliki metode-metode klasifikasi yang bisa digunakan untuk deteksi dini penyakit anemia. Metode yang bisa digunakan untuk klasifikasi diantaranya yaitu algoritma Support Vector Machines (SVM) dan algoritma C4.5. Penelitian ini menerapkan algoritma SVM dan algoritma C4.5 untuk klasifikasi deteksi dini penyakit anemia. Tujuan penelitian ini adalah mendapatlkan metode paling tepat antara algoritma SVM dan algoritma C4.5 dalam klasifikasi penyakit anemia. Penelitian ini menerapkan teknik pengujian percentage split dan k-fold cross validation. Pada percentage split dipilih split sebesar 80% sebagai data latih dan 20% sebagai data uji. Pada k-fold cross validation dipilih nilai k sebesar 10. Hasil penerapan kedua metode menunjukkan bahwa k-fold cross validation bekerja lebih baik dibandingkan percentage split dengan persentase nilai akurasi, presisi, dan recall lebih tinggi dari masing-masing algoritma. Untuk kinerja kedua algoritma, C4.5 dalam penerapannya bekerja lebih baik dengan nilai akurasi, presisi, dan recall secara berturut-turut, yaitu 99.29%, 98.7%, dan 99.69% dibandingkan algoritma SVM. Dari hasil yang diperoleh dapat disimpulkan bahwa algoritma C4.5 dengan teknik pengujian k-fold cross validation menghasilkan nilai performa yang paling baik untuk klasifikasi penyakit anemia dibanding algoritma dan teknik pengujian lainnya.]]>
Copyrights © 2023
