JIKSI (Jurnal Ilmu Komputer dan Sistem Informasi)
Vol. 13 No. 1 (2025): Jurnal Ilmu Komputer dan Sistem Informasi

PERBANDINGAN ALGORITMA MACHINE LEARNING UNTUK PREDIKSI TINGKAT RISIKO IBU HAMIL

Jefri Jaya (Unknown)



Article Info

Publish Date
29 Jan 2025

Abstract

Risiko yang dialami pada ibu hamil merupakan hal yang harus diperhatikan serius karena risiko tersebut dapat mempengaruhi kesehatan pada ibu dan janin bahkan dapat menyebabkan kematian. Oleh karena itu dilakukan perbandingan hasil evaluasi klasifikasi tingkat risiko pada ibu hamil dengan menggunakan algoritma XGB, SVM, DT dan menggunakan teknik resampling data RUS, ROS dan SMOTE untuk menentukan model dan teknik resampling yang baik. Hasil evaluasi rata - rata dari ketika sebelum dan sesudah menggunakan teknik resampling bahwa model XGB memiliki hasil accuracy 0.827, sedangkan pada model DT memiliki hasil accuracy 0.767, kemudian model SVM memiliki hasil accuracy 0.722. Sehingga dari perbandingan hasil evaluasi dapat disimpulkan bahwa model XGB memberikan hasil yang lebih baik dari model DT dan SVM. Sedangkan pada implementasi teknik resampling data ROS dan SMOTE memberikan hasil evaluasi yang baik untuk metode XGB kemudian SMOTE memberikan hasil yang baik untuk DT namun semua teknik resampling tidak memberikan hasil yang baik untuk model SVM.

Copyrights © 2025






Journal Info

Abbrev

jiksi

Publisher

Subject

Computer Science & IT Mathematics Other

Description

Jurnal Ilmu Komputer dan Sistem Informasi (JIKSI) diterbitkan oleh Fakultas Teknologi Informasi Universitas Tarumanagara (FTI Untar) Jakarta sebagai media publikasi karya ilmiah mahasiswa program studi Teknik Informatika dan Sistem Informasi FTI Untar. Karya-karya ilmiah yang dihasilkan berupa hasil ...