Komparasi Kinerja Algoritma Machine Learning Untuk Deteksi Penyakit Infeksi Saluran Pernapasan

Muh Jamil, Fahrul Rozi, Yudhi Fajar Saputra

Abstract


Infeksi Saluran Pernafasan Akut (ISPA) menjadi salah satu penyakit infeksi penyebab utama kematian di dunia. Hampir empat juta orang meninggal karena ISPA setiap tahunnya, 98% disebabkan oleh infeksi saluran pernapasan bawah. Angka kematian sangat tinggi pada bayi, anak-anak dan orang tua, terutama di negara-negara dengan pendapatan per kapita rendah dan menengah. ISPA di Indonesia menempati urutan pertama penyebab kematian pada anak dan dewasa. ISPA juga berada pada daftar 10 penyakit terbanyak. Survei yang dilakukan menunjukkan bahwa ISPA merupakan salah satu penyebab kematian anak terbesar di Indonesia dengan persentase 22,30. Tujuan penelitian adalah untuk membandingkan kinerja beberapa algoritma machine learning untuk mendeteksi penyakit ISPA. Proses klasifikasi yang dilakukan berdasarkan beberapa gejala dari pasien yang didapatkan dari data rekam medis beberapa pasien di Puskesmas Loajanan Kabupaten Kutai Kartanegara sebagai sumber utama dataset pada penelitian ini. Hasil uji klasifikasi untuk masing-masing kelas dengan algoritma yang digunakan memunculkan hasil terendah pada algoritma Naive Bayes yaitu 98% sementara kinerja terbaik dihasilkan oleh algoritma KNN, ANN, Random Forest, dan SVM dengan nilai akurasi 100%. Hasil ini sudah mampu mengungguli hasil kinerja dari penelitian sebelumnya dengan kasus dan jumlah kelas yang sama.

Keywords


ISPA; klasifikasi; machine learning

Full Text:

PDF

References


A. Roihan, P. Abas Sunarya, and A. S. Rafika, “IJCIT (Indonesian Journal on Computer and Information Technology) Pemanfaatan Machine Learning dalam Berbagai Bidang: Review paper,” 2019.

N. Giarsyani, A. F. Hidayatullah, and R. Rahmadi, “Komparasi Algoritma Machine Learning Dan Deep Learning Untuk Named Entity Recognition : Studi Kasus Data Kebencanaan,” Jurnal Informatika dan Rekayasa Elektronik, vol. 3, no. 1, pp. 48–57, Aug. 2020, Accessed: Aug. 13, 2024. [Online]. Available: https://e-journal.stmiklombok.ac.id/index.php/jire/article/view/222

N. B. Putri and A. W. Wijayanto, “Analisis Komparasi Algoritma Klasifikasi Data Mining Dalam Klasifikasi Website Phishing,” Komputika : Jurnal Sistem Komputer, vol. 11, no. 1, pp. 59–66, Jan. 2022, doi: 10.34010/KOMPUTIKA.V11I1.4350.

R. Adha, N. Nurhaliza, U. Sholeha, and M. Mustakim, “Perbandingan Algoritma DBSCAN dan K-Means Clustering untuk Pengelompokan Kasus Covid-19 di Dunia,” SITEKIN: Jurnal Sains, Teknologi dan Industri, vol. 18, no. 2, pp. 206–211, Jun. 2021, doi: 10.24014/SITEKIN.V18I2.12469.

L. F. olivia, D. A. Juliantho, and B. Hendrik, “Komparasi Algoritma K-Means Dan K-Medoids Dalam Clustering Penyebaran Kasus Covid 19,” Journal of Information System and Education Development, vol. 1, no. 2, pp. 30–32, Sep. 2023, doi: 10.31849/digitalzone.v12i1.6572ICCS.

D. Talok Kecamatan Kresek et al., “Hubungan Faktor Lingkungan dan Perilaku Terhadap Kejadian Infeksi Saluran Pernafasan Akut (ISPA) di Desa Talok Kecamatan Kresek,” Jurnal Kedokteran YARSI, vol. 27, no. 2, pp. 076–083, Dec. 2019, doi: 10.33476/JKY.V27I2.1119.

H. Febriawati, J. Andri, R. Ali Dori, and U. Muhammadiyah Bengkulu, “Perawatan Infeksi Saluran Pernafasan Akut (ISPA) pada Balita,” Jurnal Kesmas Asclepius, vol. 1, no. 1, pp. 25–34, Apr. 2019, doi: 10.31539/JKA.V1I1.526.

M. T. Hidayatuloh and T. N. Suharsono, “Sistem Pakar Diagnosis Penyakit Infeksi Saluran Pernapasan Akut (ISPA) Menggunakan Metode Dempster Shafer,” Digital Transformation Technology, vol. 3, no. 2, pp. 489–498, Oct. 2023, doi: 10.47709/digitech.v3i2.2894.

J. Simanjuntak, E. Santoso, and M. Marji, “Klasifikasi Penyakit Infeksi Saluran Pernapasan Akut (ISPA) dengan menerapkan Metode Fuzzy K-Nearest Neighbor,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 5, no. 11, pp. 5023–5029, Oct. 2021, Accessed: Aug. 13, 2024. [Online]. Available: https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/10163

S. S. Indhira and B. Hendrik, “Penerapan Algoritma Decession Tree C4.5 Untuk Diagnosa Penyakit Ispa Pada Puskesmas Sabak Auh,” Journal of Information System and Education Development, vol. 1, no. 2, pp. 6–9, Sep. 2023, Accessed: Aug. 13, 2024. [Online]. Available: https://journal.mwsfoundation.or.id/index.php/jised/article/view/8

Nofitriyani and S. Sunardi, “Perancangan Aplikasi Data Mining Menggunakan Algoritma C4.5 Untuk Mengenali Gejala Penyakit Ispa Pada Balita,” Jurnal Pertama Indonesia. Accessed: Aug. 13, 2024. [Online]. Available: https://jurnal.permataindonesia.ac.id/index.php/JPI/article/view/251

M. Napiah, R. A. Purnama, M. Raharjo, and W. Bismi, “Komparasi Algoritma Untuk Klasifikasi Penyakit ISPA (Infeksi Saluran Pernapasan Akut),” Dec. 2022. [Online]. Available: http://ejournal.bsi.ac.id/ejurnal/index.php/infortech

N. L. W. S. R. Ginantra, I. G. A. D. Indradewi, and E. Hartono, “Machine learning approach for Acute Respiratory Infections (ISPA) prediction: Case study Indonesia,” in Journal of Physics: Conference Series, Institute of Physics Publishing, Feb. 2020. doi: 10.1088/1742-6596/1469/1/012044.

E. Ismanto and M. Novalia, “Komparasi Kinerja Algoritma C4.5, Random Forest, dan Gradient Boosting untuk Klasifikasi Komoditas,” Techno.Com, vol. 20, no. 3, pp. 400–410, Aug. 2021, doi: 10.33633/tc.v20i3.4576.

H. Nalatissifa, W. Gata, S. Diantika, and K. Nisa, “Perbandingan Kinerja Algoritma Klasifikasi Naive Bayes, Support Vector Machine (SVM), dan Random Forest untuk Prediksi Ketidakhadiran di Tempat Kerja,” Jurnal Informatika Universitas Pamulang, vol. 5, no. 4, p. 578, Dec. 2021, doi: 10.32493/informatika.v5i4.7575.

“1. Supervised learning — scikit-learn 1.5.1 documentation.” Accessed: Aug. 17, 2024. [Online]. Available: https://scikit-learn.org/stable/supervised_learning.html

M. Wati, N. Puspitasari, and A. Sinaga, “Model Algoritma K-Nearest Neighbor Dalam Menganalisis Kinerja Akademik Mahasiswa Teknik Informatika Universitas Mulawarman,” Jurnal Rekayasa Teknologi Informasi (JURTI), vol. 6, no. 2, pp. 124–133, Oct. 2022, Accessed: Aug. 17, 2024. [Online]. Available: https://e-journals.unmul.ac.id/index.php/INF/article/view/1637

A. Damuri, U. Riyanto, H. Rusdianto, and M. Aminudin, “Implementasi Data Mining dengan Algoritma Naïve Bayes Untuk Klasifikasi Kelayakan Penerima Bantuan Sembako,” JURIKOM (Jurnal Riset Komputer), vol. 8, no. 6, pp. 219–225, Dec. 2021, doi: 10.30865/jurikom.v8i6.3655.

D. Darwis, N. Siskawati, and Z. Abidin, “Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Review Data Twitter Bmkg Nasional,” Jurnal Tekno Kompak, vol. 15, no. 1, pp. 131–145, Feb. 2021, Accessed: Aug. 17, 2024. [Online]. Available: https://ejurnal.teknokrat.ac.id/index.php/teknokompak/article/view/744

E. Saraswati, Y. Umaidah, and A. Voutama, “Penerapan Algoritma Artificial Neural Network untuk Klasifikasi Opini Publik Terhadap Covid-19,” 2021.

C. Chazar and B. E. Widhiaputra, “Machine Learning Diagnosis Kanker Payudara Menggunakan Algoritma Support Vector Machine,” Jurnal Informatika dan Sistem Informasi, vol. 12, no. 1, May 2020.

F. Yulian Pamuji, V. Puspaning Ramadhan, and R. Artikel, “Komparasi Algoritma Random Forest dan Decision Tree untuk Memprediksi Keberhasilan Immunotheraphy,” Jurnal Teknologi dan Manajemen Informatika, vol. 7, no. 1, pp. 46–50, Jul. 2021, doi: 10.26905/JTMI.V7I1.5982.

P. Schratz, J. Muenchow, E. Iturritxa, J. Richter, and A. Brenning, “Hyperparameter tuning and performance assessment of statistical and machine-learning algorithms using spatial data,” Ecol Modell, vol. 406, pp. 109–120, Aug. 2019, doi: 10.1016/j.ecolmodel.2019.06.002.

“GridSearchCV — scikit-learn 1.5.1 documentation.” Accessed: Aug. 17, 2024. [Online]. Available: https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.GridSearchCV.html

S. Zhao et al., “Machine Learning Prediction for 50 Anti-Cancer Food Molecules from 968 Anti-Cancer Drugs,” Int J Intell Sci, vol. 10, no. 1, pp. 1–8, Jan. 2020, doi: 10.4236/IJIS.2020.101001.

R. Atallah and A. Al-Mousa, “Heart Disease Detection Using Machine Learning Majority Voting Ensemble Method,” 2019 2nd International Conference on New Trends in Computing Sciences, ICTCS 2019 - Proceedings, Oct. 2019, doi: 10.1109/ICTCS.2019.8923053.

W. Musu, A. Ibrahim, and H. Heriadi, “Pengaruh Komposisi Data Training dan Testing terhadap Akurasi Algoritma C4.5,” SISITI : Seminar Ilmiah Sistem Informasi dan Teknologi Informasi, vol. 10, no. 1, pp. 186–195, Mar. 2021, Accessed: Aug. 14, 2024. [Online]. Available: https://www.ejurnal.dipanegara.ac.id/index.php/sisiti/article/view/802

T. Ridwansyah, “Implementasi Text Mining Terhadap Analisis Sentimen Masyarakat Dunia Di Twitter Terhadap Kota Medan Menggunakan K-Fold Cross Validation Dan Naïve Bayes Classifier,” KLIK: Kajian Ilmiah Informatika dan Komputer, vol. 2, no. 5, pp. 178–185, Apr. 2022, doi: 10.30865/KLIK.V2I5.362.

A. Z. Farmadiansyah, A. F. Hidayatullah, and F. Rahma, “Deteksi Email Spam dan Non Spam Bahasa Indonesia Menggunakan Metode Naïve Bayes,” AUTOMATA, vol. 2, no. 2, Aug. 2021, Accessed: Aug. 14, 2024. [Online]. Available: https://journal.uii.ac.id/AUTOMATA/article/view/19514




DOI: http://dx.doi.org/10.30872/jurti.v8i1.16965

Refbacks

  • There are currently no refbacks.


Copyright (c) 2024 Jurnal Rekayasa Teknologi Informasi (JURTI)

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Alamat Redaksi : 
Program Studi Informatika
Fakultas Teknik 
Jl. Sambaliung No. 9 Kampus Gunung Kelua Samarinda 75119 - Kalimantan Timur
e-mail : jurti.unmul@fkti.unmul.ac.id
Url : http://e-journals.unmul.ac.id/index.php/INF
Contact Person : Medi Taruk [081543438301]

 Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

StatCounter - Free Web Tracker and Counter