Supervised Machine Learning Model untuk Prediksi Penyakit Hepatitis

Abstract

Hepatitis menjadi salah satu penyakit mematikan yang diakibatkan karena peradangan yang terjadi pada organ hati manusia. Hepatitis seringkali disebabkan karena infeksi virus dan gaya hidup yang tidak sehat. Hepatitis bahkan bisa menular apabila dikaitkan dengan infeksi dari adanya virus tertentu. Hepatitis perlu dideteksi secara dini dan diantisipasi sedini mungkin sehingga tidak mengakibatkan adanya penyakit komplikasi yang lebih serius yang bahkan dapat mengakibatkan terjadinya kematian. Perkembangan teknologi informasi dan komunikasi yang terus berkembang hingga saat ini memungkinkan penyakit hepatitis untuk dapat dikenali dan diprediksi. Salah satunya menggunakan teknologi pembelajaran mesin. Pada penelitian ini, metode supervised learning yang menerapkan algoritma Naïve Bayes dan KNearest Neighbor digunakan untuk memprediksi adanya penyakit hepatitis. Dengan menggunakan dataset yang diunduh secara langsung dari halaman website UCI Machine Learning Repository, Naïve Bayes menghasilkan nilai akurasi sebesar 91.67% dengan nilai presisi dan recall mencapai 95%, Sedangkan penggunaan K-Nearest Neighbor menghasilkan nilai akurasi sebesar 95.8%, dengan adanya perbedaan nilai presisi dan recall sebesar 1%, menunjukkan bahwa penggunaan pervised machine learning model berdasarkan algoritma Naïve Bayes dan K-Nearest Neighbor memiliki potensi untuk digunakan dalam pengembangan berbagai sistem terutama untuk prediksi penyakit hepatitis.