Perbandingan metode naive bayes, GBM dan KNN terhadap pasien penyakit ISPA studi kasus: rumah sakit Royal Taruma

Chandra, Apriyanto (2025) Perbandingan metode naive bayes, GBM dan KNN terhadap pasien penyakit ISPA studi kasus: rumah sakit Royal Taruma. Skripsi thesis, Universitas Tarumanagara.

Text file_pengesahan_535210032.pdf Download (315kB)

Abstract

Perkembangan teknologi informasi membawa dampak besar pada berbagai bidang termasuk kedokteran. Penyakit yang banyak diderita masyarakat adalah Infeksi Saluran Pernafasan Akut (ISPA) yang dapat menyerang saluran pernafasan atas dan bawah. Penggunaan teknologi dalam klasifikasi penyakit penting untuk memudahkan pengambilan keputusan medis. Tujuan dari penelitian ini adalah untuk mengevaluasi kinerja tiga algoritma klasifikasi: Naive Bayes, Gradient Boosting Machine (GBM), dan K-Nearest Neighbor (K-NN) dalam mengklasifikasikan pasien ISPA di Rumah Sakit Royal Taruma. Metrik yang digunakan untuk evaluasi meliputi accuracy, precision, recall, f1-score, dan confusion matrix. Metode yang digunakan dalam penelitian ini adalah klasifikasi yang menggunakan uji hipotesis Kruskal-Wallis untuk menguji perbedaan signifikan antar algoritma berdasarkan keakuratannya. Hasil pengujian menunjukkan bahwa hipotesis alternatif (H1) diterima untuk metrik accuracy, precision, dan recall, yang menunjukkan bahwa algoritma Naive Bayes, K-Nearest Neighbor (KNN), dan Gradient Boosting Machine (GBM) memiliki perbedaan yang signifikan dalam kinerja mereka pada metrik tersebut. Sementara itu, hipotesis nol (HO) tidak dapat ditolak untuk F1-Score, yang menunjukkan bahwa algoritma tidak memiliki perbedaan yang signifikan dalam kinerja mereka pada metrik. Berdasarkan hasil eksperimen, GBM mencapai performa terbaik dengan accuracy 0.98, precision 0.99, recall 0.83, dan f1-score 0.90 pada skenario data latih dan data uji 70:30. Di sisi lain, Naive Bayes menunjukkan nilai accuracy 0.91, yang merupakan performa terburuk. precision 0.56, recall 0.66, f1-score 0.58. Berdasarkan hasil tersebut, dapat disimpulkan bahwa Gradient Boosting Machine merupakan algoritma yang paling efektif untuk klasifikasi pasien ISPA, sedangkan Naive Bayes kurang direkomendasikan karena kinerjanya yang buruk. Penelitian ini memberikan kontribusi penting untuk menentukan algoritma optimal untuk diagnosis otomatis ISPA dalam praktik klinis.

Item Type:	Thesis (Skripsi)
Subjects:	Skripsi/Tugas Akhir Skripsi/Tugas Akhir > Fakultas Teknik
Divisions:	Fakultas Teknologi Informasi > Teknik Informatika
Depositing User:	TDI Family perpus
Date Deposited:	11 Feb 2025 08:23
Last Modified:	04 May 2025 08:47
URI:	http://repository.untar.ac.id/id/eprint/45929

Actions (login required)

View Item