Keywords
Algoritma Klasifikasi
Cross Validation
How to Cite
Abstract
Di Indonesia, salah satu penyebab kematian dan gangguan neurologis paling umum adalah stroke. Tujuan penelitian ini adalah untuk membandingkan kinerja algoritma klasifikasi sebelum dan sesudah balance serta cross validation dalam mengklasifikasi penyakit stroke menggunakan dataset predict-stroke dari Kaggle. Random Forests, KNN, Naive Bayes, Decision Trees, SVM, Neural Networks, dan Logistic Regression adalah algoritma yang diuji. Pada penelitian ini, metode percobaan (eksperimen) digunakan. Langkah-langkah pemrosesan termasuk preprocessing, pembagian data untuk membedakan data pelatihan dan pengujian, dan evaluasi dengan cross-validation. nilai yang akan dinilai adalah akurasi, presisi, recall, dan F1. Hasilnya menunjukkan bahwa algoritma Random Forest menunjukkan tingkat akurasi tertinggi 94% setelah cross-validation dan penyeimbangan data. Meskipun, karena proses penyeimbangan, akurasi berkurang, Random Forest tetap memiliki performa yang baik dalam klasifikasi.
References
M. Fadli and R. A. Saputra, “KLASIFIKASI DAN EVALUASI PERFORMA MODEL RANDOM FOREST UNTUK PREDIKSI STROKE Classification And Evaluation Of Performance Models Random Forest For Stroke Prediction,” vol. 12, [Online]. Available: http://jurnal.umt.ac.id/index.php/jt/index
W. Riyadina and E. Rahajeng, “Determinan Penyakit Stroke,” Kesmas: National Public Health Journal, vol. 7, no. 7, p. 324, Feb. 2013, doi: 10.21109/kesmas.v7i7.31.
D. Ismafillah, T. Rohana, and Y. Cahyana, “Implementasi Model Support Vector Machine dan Logistic Regression Untuk Memprediksi Penyakit Stroke,” Jurnal Riset Komputer), vol. 10, no. 1, pp. 2407–389, 2023, doi: 10.30865/jurikom.v10i1.5478.
fedesoriano, “predict-stroke-dataset,” https://www.kaggle.com/datasets/fedesoriano/stroke-prediction-dataset.
R. W. Putri, A. Ristyawan, and M. N. Muzaki, “Comparison Performance of K-NN and NBC Algorithm for Classification of Heart Disease,” JTECS : Jurnal Sistem Telekomunikasi Elektronika Sistem Kontrol Power Sistem dan Komputer, vol. 2, no. 2, p. 143, Jul. 2022, doi: 10.32503/jtecs.v2i2.2708.
F. Sutomo et al., “OPTIMIZATION OF THE K-NEAREST NEIGHBORS ALGORITHM USING THE ELBOW METHOD ON STROKE PREDICTION,” Jurnal Teknik Informatika (JUTIF), vol. 4, no. 1, 2023, doi: 10.20884/1.jutif.2023.4.1.839.
D. Hindarto, R. Eko Indrajit, and E. Dazki, “Perbandingan Kinerja Akurasi Klasifikasi K-NN, NB Dan DT Pada APK Android,” vol. 9, no. 1, pp. 486–503, 2022, [Online]. Available: http://jurnal.mdp.ac.id
R. Estian Pambudi, Sriyanto. And Frimasyah, “Klasifikasi Penyakit Stroke Menggunakan Algoritma Decision Tree C.45” Jurnal Teknika, vol. 16, No. 02, pp. 221-226, Jul, 2022.
Fuad Nur Hasan and M. Wahyudi Sekolah Tinggi Manajemen Informatika dan Komputer Nusa Mandiri, “ANALISIS SENTIMEN ARTIKEL BERITA TOKOH SEPAK BOLA DUNIA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE DAN NAIVE BAYES BERBASIS PARTICLE SWARM OPTIMIZATION,” Jurnal AKRAB JUARA, vol. 3, no. 4, pp.42 – 55, Nov, 2018.
S. Agustin et al., “Optimasi Feature Selection Menggunakan Algoritma Neural Network Untuk Klasifikasi Brain Stroke,” Jurnal Penelitian Rumpun Ilmu Teknik (JUPRIT), vol. 2, no. 3, pp. 66–74, 2023, doi: 10.55606/juprit.v2i3.2009.
R. Tyasnurita and A. Y. M. Pamungkas, “Deteksi Diabetik Retinopati menggunakan Regresi Logistik,” ILKOM Jurnal Ilmiah, vol. 12, no. 2, pp. 130–135, Aug. 2020, doi: 10.33096/ilkom.v12i2.578.130-135.
D. Ismafillah, T. Rohana, and Y. Cahyana, “Implementasi Model Support Vector Machine dan Logistic Regression Untuk Memprediksi Penyakit Stroke,” Jurnal Riset Komputer), vol. 10, no. 1, pp. 2407–389, 2023, doi: 10.30865/jurikom.v10i1.5478.
P. Wahyu Setiyo Aji, R. Dijaya, and F. Sains dan Teknologi, “KESATRIA: Jurnal Penerapan Sistem Informasi (Komputer & Manajemen) Prediksi Penyakit Stroke Menggunakan Metode Random Forest.”
N. Sharfina, and N. Ghaniaviyanto Ramadhan, “Analisis SMOTE Pada Klasifikasi Hepatitis C Berbasis Random Forest dan Naïve Bayes,” JOINTECS : Jurnal of Information Technology and Computer Scince, vol.8, no.1, pp.33-40, 2023.
Fadellia Azzahra, N. Suarna, and Y. Arie Wijaya, “Penerapan Algoritma Random Forest Dan Cross Validation Untuk Prediksi Data Stunting,” Kopertip : Jurnal Ilmiah Manajemen Informatika dan Komputer, vol. 8, no. 1, pp. 1–6, Feb. 2024, doi: 10.32485/kopertip.v8i1.238.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2024 Theo Krisna Amarya, Asye Candra Andy G, Ridho Achmad, Erna Daniati, Aidina Ristyawan