Analisis perbandingan Algoritma Support Vector Machine, Naive Bayes dan Regresi Logistik untuk Memprediksi Donor Darah

Hendriyana Hendriyana; Ichwanul Muslim Karo Karo; Sri Dewi

doi:10.54914/jtt.v8i2.581

Penulis

Hendriyana Universitas Pendidikan Indonesia
Ichwanul Muslim Karo Karo Universitas Negeri Medan
Sri Dewi Universitas Negeri Medan

DOI:

https://doi.org/10.54914/jtt.v8i2.581

Kata Kunci:

Donor darah, Naive Bayes, Regresi logistic, SVM, Z-Score

Abstrak

Suplai dan stok darah sangat dibutuhkan di saat genting. Satu-satunya cara untuk memenuhi ketersediaan darah adalah sumbangan rutin dari sukarelawan yang sehat. Tujuan dari penelitian ini adalah untuk mengembangkan dan mengevaluasi algoritma machine learning untuk memprediksi seorang sukarelawan akan berdonor atau tidak. Algoritma machine learning yang digunakan adalah Naïve Bayes, Regresi Logistik dan Support Vector Machine (SVM). Penelitian ini juga menerapkan proses normalisasi data dengan Z-score untuk menstandarkan skala dataset. Adapun dataset bersumber dari Layanan Transfusi Darah Kota Hsin-Chu, Taiwan yang tersimpan di UCI repository. Metode evaluasi yang digunakan ialah akurasi, precision, recall dan F-1 score. Hasil penelitian dengan algoritma Naïve Bayes 89.90%, Regresi Logistik 82.59% dan SVM 94.79%. Proses normalisasi menggunakan metode Z-Score berkontribusi positif dalam meningkatkan performansi model klasifikasi. Berdasarkan performansi tersebut memberikan hasil prediksi bagi sukarelawan yang akan kembali mendonor darah untuk memberikan cadangan darah bagi yang membutuhkan.

Unduhan

Data unduhan belum tersedia.

Referensi

Y. Widyastuti, D. Sari, and S. R. Febrianti, “Manajemen Transfusi Masif Pada Pediatrik,” Jurnal komplikasi Anastesi, vol. 3, no. Dic, 2016.

E. Alajrami et al., “A comparative study of classification algorithm on blood transfusion,” International Journal of Academic Engineering Research, vol. 3, no. 6, 2014.

A. Sharma and P. C. Gupta, “Predicting the Number of Blood Donors through their Age and Blood Group by using Data Mining Tool,” International Journal of Communication and Computer Technologies, vol. 01, no. 6, 2012.

M. Khalilinezhad, B. Minaei, G. Vernazza, and S. Dellepiane, “Prediction of healthy blood with data mining classification by using Decision Tree, Naive Baysian and SVM approaches,” in Sixth International Conference on Graphic and Image Processing (ICGIP 2014), 2015, vol. 9443. doi: 10.1117/12.2179871.

A. S. Alkahtani and M. Jilani, “Predicting return donor and analyzing blood donation time series using data mining techniques,” International Journal of Advanced Computer Science and Applications, vol. 10, no. 8, 2019, doi: 10.14569/ijacsa.2019.0100816.

I. M. Karo Karo, S. Nadia Amalia, dan Dian Septiana, P. Ilmu Komputer, and P. Matematika, “Klasifikasi Kebakaran Hutan Menggunakan Feature Selection dengan Algoritma K-NN, Naive Bayes dan ID3,” Journal of Software Engineering, Information and Communication Technology, vol. 3, no. 1, pp. 121–126, 2022.

Y. I. Kurniawan, “Perbandingan Algoritma Naive Bayes dan C.45 dalam Klasifikasi Data Mining,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 5, no. 4, 2018, doi: 10.25126/jtiik.201854803.

H. Pramudia and A. Nugroho, “Sistem Informasi Kerusakan Laptop Menggunakan Metode Naïve Bayes,” Teknologi Elektro, Universitas Mercu Buana, vol. 8, no. 3, 2017.

R. Hasudungan and W. J. Pranoto, “Implementasi Teorema Naïve Bayes Pada Prediksi Prestasi Mahasiswa,” Jurnal Rekayasa Teknologi Informasi (JURTI), vol. 5, no. 1, 2021, doi: 10.30872/jurti.v5i1.4996.

I. M. Karo Karo, M. Farhan, M. Fudzee, S. Kasim, and A. A. Ramli, “Karonese Sentiment Analysis: A New Dataset and Preliminary Result,” JOIV: International Journal on Informatics Visualization, vol. 6, no. 2–2, pp. 523–530, 2022, [Online]. Available: www.joiv.org/index.php/joiv

I. M. Karo Karo, M. F. M. Fudzee, S. Kasim, and A. A. Ramli, “Sentiment Analysis in Karonese Tweet using Machine Learning,” Indonesian Journal of Electrical Engineering and Informatics, vol. 10, no. 1, pp. 219–231, Mar. 2022, doi: 10.52549/ijeei.v10i1.3565.

A. Prayoga, H. A. Tawakal, and R. Aldiansyah, “Pengembangan Metode Deteksi Tingkat Kematangan Buah Melon Berdasarkan Tekstur Kulit Buah dengan menggunakan Metode Ekstraksi Ciri Statistik dan Support Vector Machine (SVM),” Jurnal Teknologi Terpadu, vol. 4, no. 1, 2018, doi: 10.54914/jtt.v4i1.112.

D. Novianti, “Implementasi Algoritma Naïve Bayes Pada Data Set Hepatitis Menggunakan Rapid Miner,” Paradigma - Jurnal Komputer dan Informatika, vol. 21, no. 1, 2019, doi: 10.31294/p.v21i1.4979.

M. Darwiche, M. Feuilloy, G. Bousaleh and D. Schang, "Prediction of blood transfusion donation," 2010 Fourth International Conference on Research Challenges in Information Science (RCIS), 2010, pp. 51-56, doi: 10.1109/RCIS.2010.5507363.