PERBANDINGAN METODE SELEKSI FITUR ANOVA DAN CHI-SQUARE UNTUK PENINGKATAN PERFORMA MACHINE LEARNING DALAM KLASIFIKASI ANEMIA

Nur Annisa, Tiko (2026) PERBANDINGAN METODE SELEKSI FITUR ANOVA DAN CHI-SQUARE UNTUK PENINGKATAN PERFORMA MACHINE LEARNING DALAM KLASIFIKASI ANEMIA. Masters thesis, UNAMA.

	Text BAB I.pdf Download (268kB)
	Text BAB II.pdf Restricted to Registered users only Download (612kB)
	Text BAB III.pdf Restricted to Registered users only Download (460kB)
	Text BAB IV.pdf Restricted to Registered users only Download (4MB)
	Text BAB V.pdf Download (192kB)
	Text DAFTAR PUSTAKA.pdf Download (248kB)

Abstract

Anemia merupakan salah satu kondisi hematologi yang umum terjadi, ditandai dengan penurunan kadar hemoglobin dalam darah dan berpotensi menimbulkan komplikasi serius apabila tidak terdeteksi sejak dini. Pembelajaran mesin telah menunjukkan potensi dalam mendukung diagnosis dini anemia, namun efektivitasnya sering terhambat oleh keberadaan fitur yang tidak relevan atau berlebihan. Penelitian ini bertujuan untuk menganalisis pengaruh metode pemilihan fitur Analysis of Variance (ANOVA) dan Chi-Square dalam meningkatkan performa tiga algoritma machine learning, yaitu Naive Bayes, K-Nearest Neighbor (KNN), dan Support Vector Machine (SVM) pada klasifikasi anemia. Dataset yang digunakan berasal dari platform Kaggle, terdiri atas 15.300 instans dengan 25 atribut. Evaluasi kinerja dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score, baik sebelum maupun sesudah penerapan seleksi fitur. Hasil eksperimen menunjukkan adanya peningkatan signifikan pada performa klasifikasi setelah penerapan pemilihan fitur, di mana kombinasi SVM + ANOVA mencapai akurasi tertinggi sebesar 94,61%. Sebaliknya, model tanpa seleksi fitur menunjukkan akurasi di bawah 90%, yang menegaskan pentingnya teknik reduksi fitur yang tepat. Kontribusi penelitian ini adalah menyajikan kerangka analisis komparatif untuk klasifikasi data medis, dengan menekankan peran pemilihan fitur statistik dalam mengoptimalkan kinerja model. Kebaruan penelitian terletak pada bukti empiris bahwa ANOVA dan Chi-Square secara konsisten meningkatkan kemampuan generalisasi model dalam konteks diagnostik medis berbasis data dunia nyata.

Actions (login required)

View Item