ANALISIS PERBANDINGAN KLASIFIKASI PREDIKSI PENYAKIT HEPATITIS DENGAN MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR, NAÏVE BAYES DAN NEURAL NETWORK

Sulastri Sulastri; Kristophorus Hadiono; Muchamad Taufiq Anwar

doi:10.35315/dinamik.v24i2.7867

Sulastri Sulastri Universitas Stikubank
Kristophorus Hadiono Universitas Stikubank
Muchamad Taufiq Anwar Universitas Stikubank

DOI: https://doi.org/10.35315/dinamik.v24i2.7867

Abstract

Hepatitis merupakan penyakit yang diderita oleh banyak orang, bahkan bisa menyebabkan kematian. Prediksi awal dapat mencegah kematian tersebut yaitu dengan
mengumpulkan data pasien hepatitis yang dilihat dari faktor - faktornya. Faktor-faktor tersebut antara lain Protime, Alk Phosphat, Albumin, Bilirubin dan Usia. Untuk mengolah data
tersebut, dibutuhkan Data Mining. Salah satu metode data mining yang digunakan pada penelitian ini adalah klasifikasi.
Tujuan penelitian ini yaitu bagaimana memprediksi hidup atau meninggalnya pasien penyakit hepatitis dengan tingkat akurasi dan mencari atribut paling berpengaruh terhadap
prediksi hidup atau meninggalnya pasien penyakit hepatitis dengan menggunakan algoritma Algoritma K-Nearest Neighbor, Naïve Bayes Dan Neural Network dan kemudian
membandingkan ketiga hasil analisis dari ketiga algoritma tersebut.
Dari hasil analisis 20 atribut dilakukan 3 kali percobaan dengan algoritma Naïve Bayes didapat model klasifikasi dengan tingkat akurasi yang terbaik yaitu 76.92 %, tingkat error
23.01% dan atribut Acites dan Spider merupakan atribut yang berpengaruh terhadap keputusan hidup atau meninggalnya pasien yang terkena penyakit hepatitis.Dengan menggunakan
Algoritma Neural Network didapat model klasifikasi dengan tingkat akurasi yang terbaik yaitu 82,97%, tingkat error 17.03% dan atribut yang paling berpengaruh yaitu anorexia, spiders dan protime. Dengan menggunakan algoritma K-Nearest Neighbor didapat model klasifikasi dengan tingkat akurasi terbaik yaitu 93%, tingkat error 7% dan atribut yang paling berpengaruh terhadap penderita penyakit hepatitis yaitu Albumin.

References

[1] RI, K. K. (2014) ‘InfoDATIN: Situasi dan Analisi Hepatitis’, Pusat Data dan Informasi, p. 8. doi: 24427659.
[2] Lestari, M. E. I. (2014) ‘Penerapan Algoritma Klasifikasi Nearest Neighnor ( K-NN ) Untuk Mendeteksi Penyakit Jantung’, Factor Exacta, 7, pp. 366–371.
[3] Krisandi, N., Helmi. and Prihandono, B. (2013) ‘Algoritma K-Nearest Neighbor dalam Klasifikasi Data Hasil Produktsi Kelapa Sawit PT. MINAMAS Kecamatan Paridu’, Teknologi Informasi & pendidikan, Vol. 2, no.1, pp. 34-35.
[4] Merluarini, B., Safitri, D. and Hoyyi, A. (2014) ‘Perbandingan Analisis Klasifikasi Menggunakan Metode K-Nearest Neighbor (K-NN) dan Multivariate Adaptive Regression Spline (Mars) pada data Akreditasi Sekolah Dasar Negeri di Kota Semarang’, Jurnal Gaussian, Vol. 3, no. 3, pp. 314-317.
[5] Leidiyana H. E. N. N. Y. (2013). ‘Penerapan Algoritma K-Nearest Neighbor Untuk Penentuan Resiko Kredit Kepemilikan Kendaraan Bermotor’, Jurnal Penelitian Ilmu Komputer, 1(1), 65-76.
[6] Septiani, W. D. (2017) Komparasi Metode Klasifikasi Data Mining Algoritma C4.5 Dan Naive Bayes Untuk Prediksi Penyakit Hepatitis, 13(1), pp. 76–84.
[7] Erawati, W. (2015) Prediksi Penyakit Hati Dengan Menggunakan Model Algoritma Neural Network, Techno Nusa Mandiri, XII(2), pp. 21–26.
[8] Shukla, A., Tiwari, R., & Kala, R. (2010) Real Life Applications of Soft Computing, Taylor and Francis Group, United States of America.