<![CDATA[Klasifikasi penyakit tiroid merupakan aspek penting dalam diagnosis medis, mengingat dampaknya yang signifikan terhadap kesehatan pasien. Penelitian ini membahas pendekatan hybrid yang menggabungkan algoritma SVM dan KNN untuk meningkatkan akurasi klasifikasi penyakit tiroid. SVM dikenal efektif dalam membangun hyperplane yang memisahkan kelas secara optimal, sementara KNN memperkuat kemampuan analisis pada data lokal di sekitar garis keputusan. Studi ini bertujuan mengevaluasi efektivitas pendekatan hybrid SVM-KNN melalui analisis literatur yang relevan. Artikel-artikel ilmiah yang diterbitkan dalam periode tertentu dikaji untuk mengidentifikasi keunggulan serta tantangan dalam penerapan metode ini. Hasil kajian menunjukkan bahwa pendekatan hybrid mampu meningkatkan akurasi dan ketahanan model terhadap dataset yang tidak seimbang. Hal ini memperkaya kemampuan model dalam menghasilkan diagnosis yang lebih andal. Namun, terdapat beberapa kendala, seperti pemilihan parameter optimal dan kebutuhan komputasi yang lebih tinggi. Untuk mengatasi tantangan ini, disarankan peningkatan kualitas data serta pengoptimalan algoritma. Evaluasi berkala juga diperlukan untuk memastikan sistem tetap relevan dan dapat diandalkan dalam mendukung diagnosis penyakit tiroid.]]>
Copyrights © 2025
