Klasifikasi Penyakit Glaukoma Dengan Pendekatan Algoritma Random Forest dan K-Nearest Neighbor (K-NN)

Klasifikasi Penyakit Glaukoma Dengan Pendekatan Algoritma Random Forest dan K-Nearest Neighbor (K-NN)

• By Muhammad Syahrul Aldiansyah;
• Skripsi
• 3
• 1-66

Glaukoma adalah salah satu penyebab utama kehilangan penglihatan di dunia saat ini. Glaukoma merupakan penyakit mata dimana tekanan di dalam mata meningkat, apabila tidak segera ditangani maka penderitanya dapat kehilangan penglihatan. Definisi glaukoma telah berubah saat ini glaukoma adalah penyakit neropati optik yang ditandai dengan penipisan cakram optik, kerusakan sel ganglion, dan penurunan
fungsi penglihatan. Tujuan penelitian ini untuk mengklasifikasi penyakit glaukoma berdasarkan dataset yang diperoleh dari website Kaggle yang bernama glaucoma detection menggunakan metode Random Forest dan K-Nearest Neighbor (K-NN).
Berdasarkan hasil pengujian algoritma Random Forest mendapatkan akurasi 80%, sedangkan algoritma K-Nearest Neighbot (K-NN) mendapatkan akurasi 70%. Selain itu, presisi algoritma Random Forest adalah 71.43%, sedangkan presisi algoritma KNearest Neighbor sebesar 66.67%. Recall dari algoritma Random Forest adalah 100%, sedangkan recall algoritma K-Nearest Neighbor adalah 80%.

 

• Katakunci Glaukoma, Data Mining, Klasifikasi, Random Forest, K-Nearest Neighbor (K-NN)
• URL https://jurnal.bsi.ac.id/index.php/jinsan/authorDashboard/submission/4537
• Penerbit Jurnal INSAN (Journal of Information Systems Management Innovation), Jakarta Selatan DKI Jakarta

REFERENSI

Argina, A. M. (2020). Penerapan Metode Klasifikasi K-Nearest Neigbor pada Dataset Penderita Penyakit Diabetes. Indonesian Journal of Data and Science, 1(2), 29–33. https://doi.org/10.33096/ijodas.v1i2.11

Ayudhitama, A. P., & Utomo Pujianto. (2020). Analisa 4 Algoritma Dalam Klasifikasi Liver Menggunakan Rapidminer. Jurnal Informatika Polinema, 6(2), 1–9.
https://doi.org/10.33795/jip.v6i2.274

Azizah, Q. N. (2023). Klasifikasi Penyakit Daun Jagung Menggunakan Metode Convolutional Neural Network AlexNet. Sudo Jurnal Teknik Informatika, 2(1),
28–33. https://doi.org/10.56211/sudo.v2i1.227

Bianto, M. A., Kusrini, K., & Sudarmawan, S. (2020). Perancangan Sistem Klasifikasi Penyakit Jantung Mengunakan Naïve Bayes. Creative Information Technology Journal, 6(1), 75. https://doi.org/10.24076/citec.2019v6i1.231

Mutiara, E.-. (2020). Algoritma Klasifikasi Naive Bayes Berbasis Particle Swarm Optimization Untuk Prediksi Penyakit Tuberculosis (Tb). Swabumi, 8(1), 46–58.
https://doi.org/10.31294/swabumi.v8i1.7668

PERDANI, W. R., MAGDALENA, R., & CAECAR PRATIWI, N. K. (2022). Deep Learning untuk Klasifikasi Glaukoma dengan menggunakan Arsitektur
EfficientNet. ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika, 10(2), 322. https://doi.org/10.26760/elkomika.v10i2.322

Prakoso Indaryono, N. A. (2024). Analisa Perbandingan Algoritma Random Forest Dan Naïve Bayes Untuk Klasifikasi Curah Hujan Berdasarkan Iklim Di 
Indonesia. JIPI (Jurnal Ilmiah Penelitian Dan Pembelajaran Informatika), 9(1), 158–167. https://doi.org/10.29100/jipi.v9i1.4421

Qhisthana Pratika, A. R., Magdalena, R., & Nur Fuadah, R. Y. (2020). Klasifikasi Glaukoma Menggunakan Artificial Neural Network. Jurnal Ilmiah FIFO, 12(2),
179. https://doi.org/10.22441/fifo.2020.v12i2.007

Ridwan, A. (2020). Penerapan Algoritma Naïve Bayes Untuk Klasifikasi Penyakit Diabetes Mellitus. Jurnal SISKOM-KB (Sistem Komputer Dan Kecerdasan
Buatan), 4(1), 15–21. https://doi.org/10.47970/siskom-kb.v4i1.169

Singh, L. K., Pooja, P., & Garg, H. (2020). Detection of Glaucoma in Retinal Fundus Images using Fast Fuzzy C Mean Clustering. International Journal of Fuzzy Systems and Advanced Applications, 7, 16–23.
https://doi.org/10.46300/91017.2020.7.4

Sosial, J., Sains, D. A. N., Yusrina, K. M., Aliffah, N. U., & Holilah, M. (2024). Jurnal sosial dan sains. 4, 68–75.