Klasifikasi Penyakit Anemia Menggunakan Algoritma Navie Bayes

Abstract

Abstrak:

Anemia merupakan kondisi medis yang umum di mana darah seseorang kekurangan sel darah merah yang sehat atau hemoglobin. Hemoglobin adalah protein dalam sel darah merah yang berfungsi untuk mengangkut oksigen dari paru-paru ke seluruh tubuh ketika seseorang terkena anemia, mereka mungkin merasa lelah, lemah, dan sesak napas. Anemia dapat disebabkan oleh berbagai faktor, termasuk kekurangan zat besi, vitamin B12, atau folat; kehilangan darah; dan kerusakan sumsum tulang. Dalam upaya untuk meningkatkan diagnosis awal dan akurasi klasifikasi penyakit anemia, penelitian ini menerapkan algoritma Naïve Bayes. Dataset yang digunakan dalam penelitian ini adalah dataset penyakit anemia yang didapatkan dari website kaggle.com, yang mencakup atribut-atribut penting seperti Gender, Hemoglobin, MCH, MCHC, MCV, dan Result. Pemilihan Naïve Bayes sebagai salah satu algoritma yang diuji didasarkan pada keunggulannya dalam menangani data dengan atribut sederhana serta kemampuannya mengelola data yang mengandung ketidakpastian. Naïve Bayes dikenal sebagai algoritma yang efisien untuk pengolahan dataset berukuran besar dengan struktur data yang sederhana. Selain itu, algoritma ini sering menjadi pilihan pada tahap awal eksplorasi data karena kesederhanaan implementasi, kecepatan pemrosesan, dan kemampuannya menghasilkan hasil yang cukup akurat dalam berbagai kondisi. Meskipun Naïve Bayes mungkin tidak selalu lebih akurat daripada SVM atau Decision Tree dalam kasus kompleks, algoritma ini menawarkan solusi yang lebih cepat, ringan, dan mudah diimplementasikan, yang sangat relevan untuk aplikasi medis dengan sumber daya terbatas. Pemilihan Naïve Bayes dalam penelitian ini bertujuan untuk mengeksplorasi keseimbangan antara kecepatan, efisiensi, dan akurasi dalam klasifikasi penyakit anemia

=======================================

Abstract:

Anaemia is a common medical condition where a person's blood lacks healthy red blood cells or haemoglobin. Haemoglobin is a protein in red blood cells that serves to transport oxygen from the lungs to the rest of the body. When a person is anaemic, they may feel tired, weak, and short of breath. Anaemia can be caused by various factors, including iron, vitamin B12, or folate deficiency; blood loss; and bone marrow damage. In an effort to improve the early diagnosis and classification accuracy of anaemia, this study applied the Naïve Bayes algorithm. The dataset used in this research is an anaemia disease dataset obtained from the website kaggle.com, which includes important attributes such as Gender, Haemoglobin, MCH, MCHC, MCV, and Result. The selection of Naïve Bayes as one of the tested algorithms is based on its superiority in handling data with simple attributes and its ability to manage data containing uncertainty. Naïve Bayes is known as an efficient algorithm for processing large datasets with simple data structures. Moreover, it is often the algorithm of choice in the early stages of data exploration due to its simplicity of implementation, processing speed, and ability to produce reasonably accurate results under various conditions. While Naïve Bayes may not always be more accurate than SVM or Decision Tree in complex cases, it does offer a bargain