PERBANDINGAN METODE DATA MINING SVM DAN NN UNTUK KLASIFIKASI PENYAKIT GINJAL KRONIS

  • Hilda Amalia Manajemen Informatika AMIK BSI Jakarta
Keywords: SVM, Supper Vector Machine, Neural Network, Data Mining, Chronic Kidney Disease

Abstract

Data mining merupakan suatu metode yang telah banyak digunakan untuk melakukan penemuan ilmu pengetahuan dari kumpulan dataset yang selama ini hanya disimpan tanpa dikelola lebih lanjut. Dalam dunia kesehatan penggunaan metode data mining telah banyak membantu dunia kesehatan dalam membuat prediksi mengenai masalah kesehatan yang dihadapi. Salah satu penyakit yang sangat mematikan yaitu penyakit ginjal kronik. Penyakit ginjal kronik dapat menyebabkan banyak penyakit mematikan lainnya.  Tingkat perkembangan penyakit ginjal kronik ini juga terus meningkat dari tahun ke tahunnya.  Dalam penelitian data penyakit ginjal kronis akan diolah dengan metode data mining yaitu Supper vector Machine dan Neural network. Keduanya merupakan metode data mining yang diketahui  memiliki kinerja yang baik untuk data dengan atribut dan parameter yang banyak dan beragam. Dari Hasil penelitian diperoleh hasilnya yaitu metode neural network menghasilkan nilai akurasi 93.36% dan SVM dengan nilai 95.16%.

Downloads

Download data is not yet available.

References

Amalia, H. (2017). Komparasi Data Mining Untuk Penentuan Proses Persalinan Ibu Melahirkan. 13(2), 103-109

Amalia, H., Lestari, A.F., & Puspita, A. (2017). PENERAPAN METODE SVM BERBASIS PSO UNTUK PENENTUAN KEBANGKRUTAN BANK.Jurnal Techo Nusa Mandiri, 14(2), 131-136

Cahyaningsih, D, N. (2011). Panduan Praktis Perawatan Gagal Ginjal. Mitra Yogyakarta: Cendekia Press.

Hidayati, T., & Haripurnomo Kushandiwijaya, S. (2008). Hubungan antara Hipertensi, Merokok dan Suplemen Energi dan Kejadian Penyakit Ginjal Kronik. Berita Kedokteran Masyarakat, 24(2), 90

Kumar, M. (2016). Prediction of Chronic Kidney Disease Using Random Forest Machine Learning Algorithm. Interantional Journal of Computer Science and Mobile Computing, 5(2), 24-33

Lucida, H., Trisnawati, R.,& Suadi, M. (2011). AnalisisAspek Farmakokinetika Klinik Pasien Gagal Ginjal pada IRNA Penyakit RSUP Dr. M. Djamil Padang. Jurnal Dains dan Teknologi Farmasi., 16(2).

Ramya, S.m &Radha, N. (2016). , Diagnosis of Chronic Kidney Disease Using Machine Learning Algorithms. International Journal of Innovative Research in Computer and Communication Engineering, 4(1), 812-820

Rahmawati, D. (2012). Optimasi Routing Berbasis algoritma Genetika Pada Sistem Komunikasi Bergerak . Jurnal EEICCIS, 4(1), 18-23.

Sinha, P., & Sinha, P. (2015). Comperative study of chronic kidney disease prediction using KNN and SVM. Inetnational Journal of Engeineering Research and Technology, 4(12), 608-12.

Tanti, M., Mogan., A., & Manoppo, F.(2014). Hubungan antara derajat penyakit ginjal kronik nilai agregasi trombosit di rsup prof. Dr. kandou manado. Jurnal e-Biomedik, 2(2)
Published
2018-03-15
How to Cite
Amalia, H. (2018). PERBANDINGAN METODE DATA MINING SVM DAN NN UNTUK KLASIFIKASI PENYAKIT GINJAL KRONIS. Jurnal Pilar Nusa Mandiri, 14(1), 1-6. https://doi.org/10.33480/pilar.v14i1.80
Article Metrics

Abstract viewed = 136 times
PDF downloaded = 152 times