<![CDATA[Anemia aplastik adalah kondisi medis langka yang ditandai oleh produksi sumsum tulang yang tidak memadai dari sel darah merah, sel darah putih, dan platelet. Kondisi ini dapat menyebabkan berbagai komplikasi serius dan memerlukan pengelolaan yang cermat. Dalam penelitian ini, kami menyelidiki metode klasifikasi untuk mengidentifikasi dan memprediksi keberadaan anemia aplastik berdasarkan profil klinis pasien. Kami menerapkan teknik oversampling menggunakan Synthetic Minority Over-sampling Technique (SMOTE) untuk menangani ketidakseimbangan kelas pada dataset. Selanjutnya, kami menggunakan algoritma K-Nearest Neighbors (KNN) untuk memodelkan klasifikasi. Data yang digunakan dalam penelitian ini terdiri dari berbagai fitur klinis, termasuk usia, jenis kelamin, respons pengobatan, dan parameter hematologi. Hasil eksperimen menunjukkan bahwa penggunaan teknik oversampling bersama dengan KNN dapat menghasilkan model klasifikasi yang efektif untuk anemia aplastik, dengan akurasi mencapai 97.56%. Hasil evaluasi juga menunjukkan nilai F1-Score sebesar 0.9767 dan recall sebesar 0.9545. Temuan ini menunjukkan bahwa pendekatan kami memiliki potensi dalam mendukung diagnosis dan manajemen pasien dengan anemia aplastik.]]>
Copyrights © 2024
