Perbandingan Algoritma Machine Learning Untuk klasifikasi Amenorrhea

Authors

  • Indah Lestari Universitas Bina Insan
  • Muhamad Akbar Universitas Bina Insan
  • Bunga Intan Universitas BIna Insan

DOI:

10.51519/journalcisa.v4i1.371

Keywords:

Amenorrhea, k-NN, SVM, Naïve Bayes, Dataset

Abstract

Penelitian ini bertujuan untuk mengatasi masalah kurangnya penelitian yang dilakukan pada algoritma perbandingan dalam mengklasifikasikan Amenore. Banyak orang yang mengabaikan atau bahkan tidak memahami Amenore karena informasi yang terbatas mengenai masalah ini. Dalam penelitian ini, dilakukan perbandingan antara empat algoritma, yaitu k-NN, SVM, Decision Tree, dan Naïve Bayes, untuk mengklasifikasikan Amenore dengan menggunakan data dari salah satu repositori data Google. Hasil penelitian menunjukkan bahwa algoritma k-NN memberikan nilai akurasi tertinggi, yaitu 0,99. Temuan ini dapat membantu dalam pengembangan metode diagnosa Amenore yang lebih akurat dan efektif.

References

makro, status gizi, stres, dan siklus menstruasi pada remaja,” J. Gizi Klin. Indones., vol. 13, no. 3, p. 121, 2017, doi: 10.22146/ijcn.17867.

C. Magdalena and T. Bolon, “Gambaran Faktor – Faktor Penyebab Terjadinya Amenorea Pada Remaja Putri Di Desa Helvetia Timur Kecamatan Helvetia Medan Periode April-Juni Tahun 2012,” J. Ilm. Keperawatan, vol. 1, no. 1, pp. 16–20, 2015.

A. Isroqmi, “Kemampuan Mahasiswa Memahami Logika Pemrograman Komputer Melalui Algoritma,” Nabla Dewantara J. Pendidik. Mat., vol. 2, no. 2, pp. 59–73, 2017.

L. Sitoayu, D. A. Pertiwi, and E. Y. Mulyani, “Kecukupan zat gizi makro, status gizi, stres, dan siklus menstruasi pada remaja,” J. Gizi Klin. Indones., vol. 13, no. 3, p. 121, 2017, doi: 10.22146/ijcn.17867.

C. Magdalena and T. Bolon, “Gambaran Faktor – Faktor Penyebab Terjadinya Amenorea Pada Remaja Putri Di Desa Helvetia Timur Kecamatan Helvetia Medan Periode April-Juni Tahun 2012,” J. Ilm. Keperawatan, vol. 1, no. 1, pp. 16–20, 2015.

A. Isroqmi, “Kemampuan Mahasiswa Memahami Logika Pemrograman Komputer Melalui Algoritma,” Nabla Dewantara J. Pendidik. Mat., vol. 2, no. 2, pp. 59–73, 2017.

Dwi Retnosari, “Sistem Aplikasi Data Mining Untuk Menampilkan,” J. Integr. Sist. Ind. UMJ, vol. 1, no. 2, pp. 13–20, 2014.

L. N. Rani, “Klasifikasi Nasabah Menggunakan Algoritma C4.5 Sebagai Dasar Pemberian Kredit,” INOVTEK Polbeng - Seri Inform., vol. 1, no. 2, p. 126, 2016, doi: 10.35314/isi.v1i2.131.

Sitti Rohmah and Y. P. Rusady, “Hubungan Status Gizi Dengan Kejadian Amenorea Pada Siswi SMP 1 Pandewangi,” J. Satuan Bakti Bidan Untuk Negeri (Sakti Bidadari), vol. 4, no. 2, 2021.

D. Y. Heryadi and M. C. Teguh Wahyono, machine learning konsep dan implementasi, Cetakan 1. yogyakarta: GAVA MEDIA, 2020.

Ardiyansyah, P. A. Rahayuningsih, and R. Maulana, “Analisis Perbandingan Algoritma Klasifikasi Data Mining Untuk Dataset Blogger Dengan Rapid Miner,” J. Khatulistiwa Inform., vol. VI, no. 1, pp. 20–28, 2018.

A. N. Syahrudin and T. Kurniawan, “Input dan Output pada Bahasa Pemrograman Python,” J. Dasar Pemrograman Python STMIK, no. June 2018, pp. 1–7, 2018.

M. F. Rahman, D. Alamsah, M. I. Darmawidjadja, and I. Nurma, “Klasifikasi Untuk Diagnosa Diabetes Menggunakan Metode Bayesian Regularization Neural Network (RBNN),” J. Inform., vol. 11, no. 1, p. 36, 2017, doi: 10.26555/jifo.v11i1.a5452.

A. M. Argina, “Penerapan Metode Klasifikasi K-Nearest Neigbor pada Dataset Penderita Penyakit Diabetes,” Indones. J. Data Sci., vol. 1, no. 2, pp. 29–33, 2020, doi: 10.33096/ijodas.v1i2.11.

S. AULIA, S. HADIYOSO, and D. N. RAMADAN, “Analisis Perbandingan KNN dengan SVM untuk Klasifikasi Penyakit Diabetes Retinopati berdasarkan Citra Eksudat dan Mikroaneurisma,” ELKOMIKA J. Tek. Energi Elektr. Tek. Telekomun. Tek. Elektron., vol. 3, no. 1, p. 75, 2015, doi: 10.26760/elkomika.v3i1.75.

M. R. Yuliansyah, M. B, and A. Franz, “Perbandingan Metode K-Nearest Neighbors dan Naïve Bayes Classifier Pada Klasifikasi Status Gizi Balita di Puskesmas Muara Jawa Kota Samarinda,” Adopsi Teknol. dan Sist. Informasi(ATASI), vol. 1, no. 1, pp. 8–20, 2022.

S. Wiyono, “Perbandingan Algoritma Machine Learning SVM dan Decision Tree untuk Prediksi Keaktifan Mahasiswa,” Sinkron, vol. 3, no. 1, pp. 105–108, 2018.

T. A.M and A. Yaqin, “Perbandingan Algoritma Naïve Bayes, K-Nearest Neighbors dan Random Forest untuk Klasifikasi Sentimen Terhadap BPJS Kesehatan pada Media Twitter,” InComTech J. Telekomun. dan Komput., vol. 12, no. 1, p. 01, 2022, doi: 10.22441/incomtech.v12i1.13642.

S. Shedriko, “Perbandingan Algoritma SVM dan KNN dalam Mengklasifikasi Kelulusan Mahasiswa pada Suatu Mata Kuliah,” STRING (Satuan Tulisan Ris. dan Inov. Teknol., vol. 6, no. 2, p. 115, 2021, doi: 10.30998/string.v6i2.9160.

A. Delaney, “Burden of Rare Variants in Hypothalamic Amenorrhea-Supplemental data”, 2020, doi: 10.6084/m9.figshare.12730694.v3.

Downloads

Published

2023-01-31

How to Cite

Lestari, I., Akbar, M., & Intan, B. . (2023). Perbandingan Algoritma Machine Learning Untuk klasifikasi Amenorrhea. Journal of Computer and Information Systems Ampera, 4(1), 32–43. https://doi.org/10.51519/journalcisa.v4i1.371