<![CDATA[Penyakit menular adalah masalah kesehatan global yang memerlukan deteksi dini dan akurat untuk mencegah penyebaran lebih lanjut. Penelitian ini bertujuan untuk membandingkan kinerja dari algoritma pembelajaran mesin ini , yaitu Random Forest (RF) dan Support Vector Machine (SVM), dalam klasifikasi penyakit menular berdasarkan data kesehatan. Dataset yang digunakan mencakup berbagai fitur medis seperti gejala klinis, riwayat kontak, dan hasil pemeriksaan laboratorium. Kedua algoritma diuji dengan teknik cross validation untuk mengukur akuras,. Hasil dari penelitian ini menunjukkan bahwa algoritma RF dan SVM keduanya mampu mencapai akurasi yang baik dalam mengidentifikasi penyakit menular. RF menunjukkan kinerja yang unggul dalam hal stabilitas dan kemampuan menangani data dengan banyak fitur, sementara SVM menunjukkan performa optimal pada data dengan pemisahan yang jelas antar kelas. Kesimpulannya, baik RF maupun SVM memiliki potensi sebagai alat bantu diagnosis penyakit menular, dengan pemilihan algoritma yang bergantung pada karakteristik data yang tersedia.]]>
Copyrights © 2024
