KOMPARASI ALGORITMA SUPPORT VECTOR MACHINE (SVM) DAN DECISION TREE (C4.5) UNTUK KLASIFIKASI PENYAKIT GINJAL KRONIS

Nabil Fikri, Muhammad (2025) KOMPARASI ALGORITMA SUPPORT VECTOR MACHINE (SVM) DAN DECISION TREE (C4.5) UNTUK KLASIFIKASI PENYAKIT GINJAL KRONIS. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (237kB)
	Text BAB II.pdf Restricted to Registered users only Download (386kB)
	Text BAB III.pdf Restricted to Registered users only Download (377kB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Download (194kB)
	Text DAFTAR PUSTAKA.pdf Download (175kB)

Abstract

Penyakit ginjal kronis merupakan salah satu gangguan kesehatan serius yang dapat menyebabkan kerusakan permanen pada fungsi ginjal dan berujung pada gagal ginjal. Deteksi dini sangat penting untuk mencegah perkembangan penyakit yang lebih parah. Penelitian ini bertujuan untuk membandingkan performa algoritma klasifikasi Support Vector Machine (SVM) dan Decision Tree (C4.5) dalam mengklasifikasi penyakit ginjal kronis. Dataset yang digunakan adalah Chronic Kidney Disease Dataset yang diambil dari situs Kaggle dan terdiri dari 1.659 data pasien dengan berbagai atribut klinis. Tahapan penelitian mencakup preprocessing data, pemilihan fitur menggunakan ANOVA F-test, pelatihan model, serta evaluasi performa menggunakan metrik seperti accuracy, precision, recall, dan F1-score. Evaluasi dilakukan menggunakan teknik Stratified 10-Fold Cross Validation untuk memastikan hasil yang konsisten dan menghindari overfitting. Hasil penelitian menunjukkan bahwa tanpa pemilihan fitur, SVM memberikan performa tertinggi dengan rata-rata accuracy sebesar 91,87% dan F1-score 88,30%. Setelah dilakukan pemilihan fitur, C4.5 mengalami peningkatan performa dengan F1-score sebesar 67,40%, sedangkan performa SVM cenderung menurun. Berdasarkan hasil ini, pemilihan algoritma dan fitur yang tepat sangat berpengaruh terhadap hasil klasifikasi. Penelitian ini diharapkan dapat menjadi referensi dalam pengembangan sistem diagnosis penyakit ginjal berbasis machine learning.

Actions (login required)

View Item