PERBANDINGAN ALGORITMA NAÃVE BAYES CLASSIFIER (NBC) DENGAN RANDOM FOREST UNTUK KLASIFIKASI PENYAKIT GINJAL KRONIS (PGK)
Total View This Week0
Total View This Week0
Institusion
Universitas Dinamika Bangsa
Author
Paras Dewi, Caterina
Subject
Analisis Sistem Informasi
Datestamp
2024-11-08 04:12:53
Abstract :
Penyakit Ginjal Kronis (PGK) atau dalam bahasa inggris Chronic Kidney Disease (CKD) adalah gangguan heterogen yang secara bertahap memengaruhi struktur dan fungsi ginjal, sulit untuk pulih, dan menyebabkan tubuh tidak dapat menjaga metabolisme serta gagal dalam menjaga keseimbangan cairan dan elektrolit, yang berujung pada peningkatan kadar ureum. Data penyakit ginjal kronis didapat dari Kaggle, dalam penelitian ini dilakukan perbandingan antara dua algoritma klasifikasi, yaitu Naïve Bayes Classifier (NBC) dan Random Forest dimana belum diketahui algoritma apa yang terbaik dalam mengklasifikasi penyakit ginjal kronis (PGK). Kedua algoritma dievaluasi berdasarkan metrik kinerja seperti akurasi, presisi, recall dan mae, r2, serta rmse. Hasil evaluasi menunjukkan bahwa performa Random Forest cenderung lebih unggul dengan mendapatkan akurasi 94% dan 87% dibandingkan dengan Naïve Bayes Classifier yang memiliki akurasi 95% dan 78% dalam konteks klasifikasi PGK.
Penyakit Ginjal Kronis (PGK) atau dalam bahasa inggris Chronic Kidney Disease (CKD) adalah gangguan heterogen yang secara bertahap memengaruhi struktur dan fungsi ginjal, sulit untuk pulih, dan menyebabkan tubuh tidak dapat menjaga metabolisme serta gagal dalam menjaga keseimbangan cairan dan elektrolit, yang berujung pada peningkatan kadar ureum. Data penyakit ginjal kronis didapat dari Kaggle, dalam penelitian ini dilakukan perbandingan antara dua algoritma klasifikasi, yaitu Naïve Bayes Classifier (NBC) dan Random Forest dimana belum diketahui algoritma apa yang terbaik dalam mengklasifikasi penyakit ginjal kronis (PGK). Kedua algoritma dievaluasi berdasarkan metrik kinerja seperti akurasi, presisi, recall dan mae, r2, serta rmse. Hasil evaluasi menunjukkan bahwa performa Random Forest cenderung lebih unggul dengan mendapatkan akurasi 94% dan 87% dibandingkan dengan Naïve Bayes Classifier yang memiliki akurasi 95% dan 78% dalam konteks klasifikasi PGK.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
