IMPLEMENTASI METODE REGRESI LINEAR DALAM MEMPREDIKSI PENYAKIT ANEMIA SECARA DINI
Abstract
At this time, people are still not fully aware that they have anemia or not, so many people are not vigilant. The cost is quite expensive and the place to check for anemia is also quite far away. in checking blood health conditions. The aim of this research is to predict whether someone suffers from anemia by using the regression method. In the regression method there are 7 more methods including (1) Linear Regression, (2) Support Vector Regression - Linear, (3) Support Vector Regression - RBF, (4) Decision Tree Regression, (5) Random Forest Regressor, (6) Gradient Boosting Regression, (7) NLP Regressor applied in this study. Based on the 7 regression methods, we will look for the 1 best method with the best accuracy value that will be used in the deploy process to predict someone's anemia. Decision Tree Regression is the best method among other regression methods. Where the Decision Tree Regression method produces the best accuracy values in 4 accuracy tests with ratios of 90:10, 80:20, 70:30 and 60:40, where each of the ratios produces an accuracy rate of 99% with the best estimated value, namely MAE of 0. on the MSE of 0. on the RMSE of 0. and also on the R2-Score the results are 1.
Keywords: anemia, prediction, regression.
Pada masa ini masyarakat masih belum sepenuhnya menyadari bahwa ia menderita anemia atau tidak sehingga banyak mayarakat tidak waspada.. Biaya yang cukup mahal dan tempat untuk memeriksa anemia juga memiliki jarak yang cukup jauh, tentunya akan menambah biaya lagi untuk mencari kendaraan sehingga banyak masyarakat yang lalai dalam memeriksa kondisi kesehatan darah. Tujuan dari penelitian ini adalah untuk memprediksi apakah sesorang menderita penyakit anemia dengan menggunakan metode regresi. Pada metode regresi terdapat 7 metode lagi meliputi (1) Linear Regression, (2) Support Vector Regression Linear, (3) Support Vector Regression RBF, (4) Decision Tree Regression, (5) Random Forest Regressor, (6) Gradient Boosting Regression, (7) NLP Regressor yang diterapkan dalam penelitian ini. Berdasarkan 7 metode regresi tersebut akan dicari 1 metode terbaik dengan nilai akurasi paling terbaik yang akan digunakan dalam proses pengolahan deploy untuk memprediksi penyakit anemia seseorang. Decision Tree Regression menjadi metode terbaik diantara metode regresi lainnya. Dimana metode Decision Tree Regression menghasilkan nilai akurasi terbaik dalam 4 pengujian akurasi dengan rasio 90:10, 80:20, 70:30 dan 60:40, dimana masing-masing semua rasio menghasilkan tingkat akurasi sebesar 99% dengan nilai estimasi terbaik yaitu MAE sebesar 0. pada MSE sebesar 0. pada RMSE sebesar 0. dan serta pada R2-Score hasil sebesar 1.
Kata Kunci: anemia, prediksi, regresi.
Full Text:
PDFReferences
E. Triyanto, H. Sismoro, And A. D. Laksito, Implementasi Algoritma Regresi Linear Berganda Untuk Memprediksi Produksi Padi Di Kabupaten Bantul, Rabit J. Teknol. Dan Sist. Inf. Univrab, Vol. 4, No. 2, Pp. 6675, 2019, Doi: 10.36341/Rabit.V4i2.666.
D. Haryadi, D. Marini Umi Atmaja, A. Rahman Hakim, And N. Suwaryo, Identifikasi Tingkat Resiko Penyakit Stroke Menggunakan Algoritma Regresi Linear Berganda, Deny Haryadi, Sntem, Vol. 1, No. November, Pp. 11981207, 2021.
R. Artikel, N. Luh, P. Chandra, R. A. Rahman, R. Venyutzky, And N. A. Rakhmawati, Analisis Klasifikasi Sentimen Terhadap Sekolah Daring Pada Twitter Menggunakan Supervised Machine Learning, Vol. 7, No. April, Pp. 4758, 2021.
A. I. Sang, E. Sutoyo, And I. Darmawan, Analisis Data Mining Untuk Klasifikasi Data Kualitas Udara Dki Jakarta Menggunakan Algoritma Decision Tree Dan Support Vector Machine Data Minning Analysis For Classification Of Air Quality Data Dki Jakarta Using Decision Tree Algorthm And Support Vector, Vol. 8, No. 5, Pp. 89548963, 2021.
M. M. Syaifulloh, Prediksi Indeks Standar Pencemaran Udara Di Kota Surabaya Berdasarkan Konsentrasi Gas Karbon Monoksida, Vol. 2, No. November, 2021.
A. Prasetyo, Prediksi Produksi Kelapa Sawit Menggunakan Metode Regresi Linier Berganda, Vol. 6, No. 2, Pp. 7680, 2021.
A. Aulia Et Al., Prediksi Harga Emasdenganmenggunakan Algoritma Support Vector Regression (Svr) Danlinearregression (Lr), Vol. 8, No. 5, 2022, Doi: 10.5281/Zenodo.6408864.
N. D. Maulana, B. D. Setiawan, And C. Dewi, Implementasi Metode Support Vector Regression ( Svr ) Dalam Peramalan Penjualan Roti ( Studi Kasus : Harum Bakery ), Vol. 3, No. 3, Pp. 29862995, 2019.
S. Fachid And A. Triayudi, Perbandingan Algoritma Regresi Linier Dan Regresi Random Forest Dalam Memprediksi Kasus Positif Covid-19, J. Media Inform. Budidarma, Vol. 6, No. 1, Pp. 6873, 2022, Doi: 10.30865/Mib.V6i1.3492.
Memahami Koefisien Determinasi Dalam Regresi Linear Accounting.
DOI: https://doi.org/10.54314/teknisi.v3i1.1253
Article Metrics
Abstract view : 1052 timesPDF - 596 times
Refbacks
- There are currently no refbacks.