ANALISIS IMPLEMENTASI ALGORITMA MACHINE LEARNING DALAM MENDIAGNOSIS RESIKO PENYAKIT HEPATITIS BERDASARKAN GEJALA MEDIS

• F. LIA DWI CAHYANTI
• 14002402

---

ABSTRAK

Teknologi berkembang semakin pesat sehingga menjadikan suatu hall yang biasanya sulit diprediksi menjadi lebih mudah untuk diprediksi. dengan adanya ilmu pengetahuan serta data yang sesuai, maka proses memprediksi suatu masalah menjadi hal yang tidak sulit. Hepatitis adalah peradangan sel-sel hati yang bisa disebabkan oleh infeksi virus. untukmendiagnosis pasien yang terjangki penyakit hepatitis dapat diketahui dari gejal-gejala yang dialami atau muncul dari pasein. oleh sebab itu diperlukan teknologi yang dapat memudahkan tenaga medis dalam mendiagnosa penyakit hepatitis dan faktor apa aja yang berberan penting dalam penentuan prediksi risiko kematian penderia hepatitis bedasarkan faktor gejalanya. penelitian bertujuan untuk memprediksi risiko kematian pasien hepatitis berdasrkan gejalam edis yang dialami menggunakan beberapa alogirtma machiene learning . tahap preprocessing dalam penelitian ini sangat diperlukan untuk memberikan akurasi yang terbaik. dengan future selection feature scaling dapat di peroleh performa terbaik akurasi sebesar 96.77% dan nilai ROC sebesar 94,44% menggunakan algoritma gradient boosting classifier. ini lebih dibandingkan algoritma machine learning lainnya.
Kata kunci : Algoritma, machine learning, gradient boosting, classifier, feature selection fature clading , hepatitis.

KATA KUNCI

Data Mining,Algoritma,machine learning

---

DAFTAR PUSTAKA

D. Novianti "Implementasi Algoritma Naive Bayes pada data set hepatitis menggunakan rapid miner" 2019
W.D Septiani "Komparasi metode klasfikasi data mining ALgoritma c4.5 dan naive bayes untuk prediksi penyakit hepatitis"
M. Nilaishi "Journal of infection adn public health ap predictive method for hepatitis disease diagnosis using ensembles of neuro fuzzy techniques" 2019.
J.H friendman "Greedy function approxiamtion : a graduebt biistubg nacube" 2001