Keywords
Data Mining
Algoritma Klasifikasi
Cross Validation
How to Cite
Abstract
Anemia mempengaruhi sekitar 1/3 dari populasi dunia, anemia adalah masalah kesehatan global yang perlu dipertimbangkan. Karena meningkatnya prevalensi anemia pada wanita, gadis remaja lebih rentan terhadap penyakit ini daripada remaja laki-laki. Anemia adalah istilah untuk konsentrasi hemoglobin rendah dalam eritrosit. Salah satu cara untuk menentukan anemia seseorang adalah dengan memeriksa kadar hemoglobin mereka. Kadar hemoglobin pada wanita di atas 15 lebih dari 12,0 g / dl (7,5 mmol). Penelitian ini bertujuan untuk menilai seberapa baik kinerja dua algoritma klasifikasi menggunakan dataset Kaggle untuk memprediksi anemia. Decision Tree dan Naive Bayes adalah algoritma yang diuji. Pada penelitian ini, menggunakan metode percobaan (eksperimen). Langkah- langkah pemrosesan yang digunakan termasuk pengambilan data, pemilihan, persiapan, perubahan, dan pembagian data untuk memisahkan data pelatihan dan pengujian. Nilai yang dievaluasi dinilai melalui validasi lintas batas, akurasi, presisi, recall, dan skor F1. Berdasarkan hasil, algoritma pohon keputusan ditemukan memiliki tingkat akurasi 99% setelah penyeimbangan data dan validasi silang. Setelah melakukan validasi silang kami menemukan bahwa proses penyeimbangan meningkatkan akurasi. Kesimpulannya, penggunaan algoritma Decision Tree dan Naive Bayes untuk memprediksi anemia memberikan wawasan penting dalam pengelolaan dan diagnosis anemia, terutama pada remaja putri.
References
A. Muhayati, D. Ratnawati, F. Ilmu Kesehatan, and U. Pembangunan Nasional Veteran Jakarta Jalan Limo Raya Kelurahan Limo Kecamatan Limo Kota, “Hubungan Antara Status Gizi dan Pola Makan dengan Kejadian Anemia Pada Remaja Putri,” J. Ilm. Ilmu Keperawatan Indones., vol. 9, no. 01, pp. 563–570, Apr. 2019, doi: 10.33221/JIIKI.V9I01.183.
S. U. Chasanah, P. P. Basuki, and I. M. Dewi, “Anemia penyebab,strategi pencegahan dan penanggulangannya bagi remaja,” Stikes Wira Husada Kemenristek Dikti, 2019.
M. Komara Sari, R. Fadhillah, R. Novita Ratna, D. Program Studi Kebidanan Universitas Malahayati, and M. D. Prodi, “Penyuluhan Tentang Anemia Pada Remaja Sman 14 Bandar Lampung Kemiling Permai Tanjung Karang Barat Lampung Tahun 2020,” J. Perak Malahayati Pengabdi. Kpd. Masy., vol. 2, no. 1, pp. 29–33, Jun. 2020, doi: 10.33024/JPM.V2I1.2697.
I. Putu Wibina Karsa Gumi et al., “Perbandingan Algoritma Naïve Bayes dan Decision Tree Pada Sentimen Analisis,” Indones. J. Comput. Sci. Res., vol. 1, no. 2, Jul. 2022, doi: 10.59095/IJCSR.V1I2.11.
S. E. Dunkerton, Y. B. Jeve, N. Walkinshaw, E. Breslin, and T. Singhal, “Predicting Postpartum Hemorrhage (PPH) during Cesarean Delivery Using the Leicester PPH Predict Tool: A Retrospective Cohort Study,” Am. J. Perinatol., vol. 35, no. 2, pp. 163– 169, Jan. 2018, doi: 10.1055/S-0037-1606332.
D. P. Utomo and M. Mesran, “Analisis Komparasi Metode Klasifikasi Data Mining dan Reduksi Atribut Pada Data Set Penyakit Jantung,” J. MEDIA Inform. BUDIDARMA, vol. 4, no. 2, pp. 437–444, Apr. 2020, doi: 10.30865/MIB.V4I2.2080.
S. N. Chotimah and A. R. Rozzaqi, “Klasifikasi Diagnosis Penyakit Ginjal Kronis Dengan Menerapkan Konsep Algoritma Naïve Bayes,” JIPETIKJurnal Ilm. Penelit. Teknol. Inf. Komput., vol. 4, no. 1, pp. 8–15, Jul. 2023, doi: 10.26877/JIPETIK.V4I1.16174.
E. Darnila, M. Maryana, and M. Azmi, “Aplikasi Klasifikasi Status Gizi Balita Menggunakan Metode Naïve Bayes Berbasis Android,” METHOMIKA J. Manaj. Inform. Komputerisasi Akunt., vol. 5, no. 2, pp. 135–141, Oct. 2021, doi: 10.46880/JMIKA.VOL5NO2.PP135-141.
A. Aziz and K. Karpen, “Diagnosa Penyakit Kulit WAJAH
MENGGUNAKAN METODE DECESSION TREE DAN ALGORITMA C4.5,” J.
Teknol. DAN OPEN SOURCE, vol. 2, no. 1, pp. 74–86, Jun. 2019, doi: 10.36378/JTOS.V2I1.148.
U. M. Kudus, J. Ganesha, and P. Kudus, “Klasifikasi Penderita Penyakit Diabetes Menggunakan Algoritma Decision Tree C4.5,” J. SISKOM-KB (Sistem Komput. dan Kecerdasan Buatan), vol. 4, no. 1, pp. 32–39, Oct. 2020, doi: 10.47970/SISKOM- KB.V4I1.173.
A. Pebdika, R. Herdiana, and D. Solihudin, “Klasifikasi Menggunakan Metode Naive Bayes Untuk Menentukan Calon Penerima Pip,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 1, pp. 452–458, Mar. 2023, doi: 10.36040/JATI.V7I1.6303.
A. Felicia Watratan, A. B. Puspita, D. Moeis, S. Informasi, and S. Profesional Makassar, “Implementasi Algoritma Naive Bayes Untuk Memprediksi Tingkat Penyebaran Covid- 19 Di Indonesia,” J. Appl. Comput. Sci. Technol., vol. 1, no. 1, pp. 7–14, Jul. 2020, doi: 10.52158/JACOST.V1I1.9.
E. ABOELNAGA, “Anemia.” [Online]. Available:
https://www.kaggle.com/datasets/ehababoelnaga/anemia-types-classification
N. Nurainun, E. Haerani, F. Syafria, and L. Oktavia, “Penerapan Algoritma Naïve Bayes
Classifier Dalam Klasifikasi Status Gizi Balita dengan Pengujian K-Fold Cross
Validation,” J. Comput. Syst. Informatics, vol. 4, no. 3, pp. 578–586, May 2023, doi: 10.47065/JOSYC.V4I3.3414.
P. Rahayu et al., Buku Ajar Data Mining, vol. 1, no. January. 2018.
A. Hutapea, M. T. Furqon, and I. Indriati, “Penerapan Algoritme Modified K-Nearest Neighbour Pada Pengklasifikasian Penyakit Kejiwaan Skizofrenia,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 10, pp. 3957–3961, Feb. 2018, Accessed: Jun. 10, 2024. [Online]. Available: https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/2800
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2024 Aurel Fransisca Kusuma Wardhani, Nila Kamilatutsaniya, M Alfianto Alamsyah, Erna Daniati, Aidina Ristyawan