<![CDATA[Anemia merupakan salah satu masalah kesehatan global yang berdampak signifikan terhadap kualitas hidup, terutama pada kelompok rentan seperti anak-anak, ibu hamil, dan lansia. Deteksi dini terhadap risiko anemia sangat penting untuk mencegah komplikasi yang lebih serius. Penelitian ini bertujuan untuk membandingkan performa dua algoritma klasifikasi populer dalam data mining, yaitu Decision Tree dan Support Vector Machine (SVM), dalam mengklasifikasikan risiko anemia berdasarkan data medis. Data yang digunakan berasal dari dataset publik Kaggle dan mencakup parameter medis seperti hemoglobin, MCH, MCHC, MCV, dan jenis kelamin. Penelitian dilakukan melalui tahapan preprocessing data, implementasi algoritma, serta evaluasi model menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil simulasi menunjukkan bahwa algoritma SVM memiliki performa lebih unggul dibandingkan Decision Tree dalam hal akurasi dan kestabilan klasifikasi. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan sistem pendukung keputusan di bidang kesehatan.]]>
Copyrights © 2025
