Analisa Perbandingan Algoritma K-Nearest Neighbor, Naive Bayes dan Support Vector Machine dengan Fitur Chi-Square pada Penyakit Hepatitis C

Abstract

Hepatitis C merupakan salah satu tipe hepatitis yang disebabkan oleh virus Hepatitis C. Penyakit ini merupakan penyakit yang membahayakan manusia karena dapat menyebabkan peradangan pada jaringan hati. Virus ini ditularkan melalui darah dan sebagian besar infeksi terjadi melalui paparan darah dari praktik injeksi yang tidak aman, perawatan kesehatan yang tidak aman, transfusi darah yang tidak disaring, penggunaan narkoba suntik, dan praktik seksual yang menyebabkan paparan darah. HCV dapat menyebabkan hepatitis akut dan kronis, mulai dari penyakit ringan hingga penyakit serius seumur hidup termasuk sirosis hati dan kanker. Deteksi dan pengobatan dini dapat mencegah kerusakan hati yang serius dan pengklasifikasian yang tepat dapat meningkatkan kesehatan jangka panjang. Penerapan Machine Learning memiliki kemampuan untuk menganalisis data dalam jumlah besar, mengenali pola, dan membuat keputusan tanpa perlu diprogram secara eksplisit, Machine Learning dapat meningkatkan efisiensi, dan akurasi pada model klasifikasi. Dalam hal tersebut, penerapan Machine Learning dapat memiliki peran dalam proses klasifikasi suatu penyakit yang dalam hal ini yaitu pada penyakit Hepatitis C. Penelitian ini menggunakan algoritma K-Nearest Neighbor, Naive Bayes Dan Support Vector Machine. Selain itu, penelitian ini menerapkan metode seleksi fitur Chi-Square yang memanfaatkan cara pemilihan fitur kedepannya dalam menguji semua fitur kemudian mengahapus fitur yang tidak relevan. Penelitian ini juga menerapkan Hyperparameter Tuning menggunakan Grid Search untuk meninjau kembali hyperparameter yang digunakan pada model setelah dilakukan proses seleksi fitur dan membandingkan hasil algoritma murni dengan algoritma yang sudah dikombinasikan dengan Chi-square. Mengukur kinerja algoritma menggunakan Confussion Matrix dan grafik ROC AUC. Matrix yang digunakan yaitu accuracy, precision, recall, dan F1-score. Dalam penelitian ini, evaluasi kinerja model melibatkan teknik K-Fold Cross Validation, yaitu teknik untuk membagi data menjadi K-subset dengan berukuran sama ataupun hampir sama.