KOMPARASI ALGORITMA DECISION TREE, SVM, NAIVE BAYES DALAM PREDIKSI PENYAKIT LIVER

Abstract

Penelitian ini membandingkan kinerja tiga algoritma klasifikasi dalam memprediksi penyakit hati: Decision Tree, Support Vector Machine (SVM), dan Naive Bayes. Prediksi akurat mengenai masalah kesehatan hati dapat membantu diagnosis dan pengobatan tepat waktu. Sebab, permasalahan ini mempunyai dampak yang cukup besar. Metode ini melatih dan mengevaluasi algoritma dengan kumpulan data klinis dan parameter biokimia. Meskipun Decision Tree memberikan interpretasi model yang lebih baik, SVM mengungguli algoritma lain dalam hal akurasi prediksi. Selain itu, Naive Bayes memiliki kinerja yang baik, terutama dalam menangani asumsi independensi fitur. Singkatnya, ketika seseorang memilih algoritma klasifikasi, mereka harus mempertimbangkan manfaat yang dihasilkan dari akurasi, interpretabilitas, dan asumsi model. Hasil penelitian ini semoga bermanfaat bagi para praktisi kesehatan dalam memilih metode untuk memprediksi penyakit liver dan tingkat akurasi terbaik terdapat pada algoritma Decision Tree menggunakan pembagian data Forward Selection 70:30 dengan tingkat akurasi 67,82%