EUVIMEDEUVIMED entdecken
Open Access · CC BY-SA 4.0

Analisis Klasifikasi Hepatitis Menggunakan Synthetic Minority Oversampling Technique, Support Vector Machine, dan Random Forest

Amalia Nur Laily, Mula Agung Barata, Denny Nurdiansyah

Decode: Jurnal Pendidikan Teknologi Informasi · 31.03.2026 · 6 (1) · 223-236

DOI: 10.51454/decode.v6i1.1630 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Decode: Jurnal Pendidikan Teknologi Informasi, online erschienen am 31.03.2026. Verfasst von Amalia Nur Laily und 2 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Hepatitis akibat infeksi virus masih menjadi masalah kesehatan masyarakat yang serius sehingga deteksi dini berbasis data klinis penting untuk mencegah kerusakan hati lebih lanjut. Penelitian ini menganalisis kinerja algoritma Support Vector Machine (SVM) dan Random Forest pada klasifikasi hepatitis serta mengkaji dampak penerapan Synthetic Minority Over-sampling Technique (SMOTE). Dataset yang digunakan adalah HepatitisCdata.csv dari Kaggle dengan 615 data pasien yang memuat atribut demografis dan parameter biokimia hati. Tahapan penelitian meliputi preprocessing data, penanganan outlier, transformasi atribut kategorikal, serta pembangunan model baseline dan SMOTE. Evaluasi dilakukan menggunakan 10-fold cross-validation dengan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa SMOTE meningkatkan performa kedua algoritma, dengan Random Forest + SMOTE memberikan hasil terbaik (akurasi 98,85%) dibandingkan SVM + SMOTE (98,50%). Kontribusi penelitian ini terletak pada penggunaan pipeline preprocessing dan evaluasi yang seragam untuk membandingkan dampak SMOTE secara langsung pada dua algoritma klasifikasi hepatitis.

Zitieren

APA

Laily, A. N., Barata, M. A., & Nurdiansyah, D. (2026). Analisis Klasifikasi Hepatitis Menggunakan Synthetic Minority Oversampling Technique, Support Vector Machine, dan Random Forest. Decode: Jurnal Pendidikan Teknologi Informasi, 6(1), 223-236. https://doi.org/10.51454/decode.v6i1.1630

Vancouver

Laily AN, Barata MA, Nurdiansyah D. Analisis Klasifikasi Hepatitis Menggunakan Synthetic Minority Oversampling Technique, Support Vector Machine, dan Random Forest. Decode: Jurnal Pendidikan Teknologi Informasi. 2026;6(1):223-236. doi:10.51454/decode.v6i1.1630

BibTeX
@article{Laily2026,
  author = {Laily, Amalia Nur and Barata, Mula Agung and Nurdiansyah, Denny},
  title = {Analisis Klasifikasi Hepatitis Menggunakan Synthetic Minority Oversampling Technique, Support Vector Machine, dan Random Forest},
  journal = {Decode: Jurnal Pendidikan Teknologi Informasi},
  year = {2026},
  volume = {6},
  number = {1},
  pages = {223--236},
  doi = {10.51454/decode.v6i1.1630}
}
Kostenlos starten →