Pendekatan Hybrid SVM dan KNN Untuk Klasifikasi Penyakit Tiroid

Agustinus Marcello Soebiantoro
Muhamad Bintang Satunggal
Taufik Ismail
Muhammad Nur Fauzi Putra Pratama
Perani Rosyani

Buletin Ilmiah Ilmu Komputer dan Multimedia (BIIKMA)
Vol 2 No 3 (2024): Buletin Ilmiah Ilmu Komputer dan Multimedia (BIIKMA)

Penyakit tiroid merupakan salah satu masalah kesehatan yang umum dan memerlukan diagnosis yang cepat dan akurat. Penelitian ini mengkaji penggunaan metode hybrid Support Vector Machine (SVM) dan K-Nearest Neighbors (KNN) untuk klasifikasi penyakit tiroid. Metode ini diharapkan dapat meningkatkan akurasi klasifikasi dibandingkan dengan penggunaan masing-masing metode secara terpisah. Data yang digunakan berasal dari berbagai sumber, termasuk dataset UCI, yang mencakup berbagai parameter klinis. Hasil menunjukkan bahwa kombinasi SVM dan KNN mampu mencapai akurasi klasifikasi hingga 96%, lebih tinggi dibandingkan dengan penggunaan masing-masing metode secara independen.