Literatur Review: Pendekatan Hybrid SVM Dan KNN Untuk Klasifikasi Penyakit Tiroid
Keywords:
Tiroid, SVM, KNNAbstract
Klasifikasi penyakit tiroid merupakan aspek penting dalam diagnosis medis, mengingat dampaknya yang signifikan terhadap kesehatan pasien. Penelitian ini membahas pendekatan hybrid yang menggabungkan algoritma SVM dan KNN untuk meningkatkan akurasi klasifikasi penyakit tiroid. SVM dikenal efektif dalam membangun hyperplane yang memisahkan kelas secara optimal, sementara KNN memperkuat kemampuan analisis pada data lokal di sekitar garis keputusan. Studi ini bertujuan mengevaluasi efektivitas pendekatan hybrid SVM-KNN melalui analisis literatur yang relevan. Artikel-artikel ilmiah yang diterbitkan dalam periode tertentu dikaji untuk mengidentifikasi keunggulan serta tantangan dalam penerapan metode ini. Hasil kajian menunjukkan bahwa pendekatan hybrid mampu meningkatkan akurasi dan ketahanan model terhadap dataset yang tidak seimbang. Hal ini memperkaya kemampuan model dalam menghasilkan diagnosis yang lebih andal. Namun, terdapat beberapa kendala, seperti pemilihan parameter optimal dan kebutuhan komputasi yang lebih tinggi. Untuk mengatasi tantangan ini, disarankan peningkatan kualitas data serta pengoptimalan algoritma. Evaluasi berkala juga diperlukan untuk memastikan sistem tetap relevan dan dapat diandalkan dalam mendukung diagnosis penyakit tiroid.
References
Adzan Zuhri Seknun, Aditya Kusuma, Alivia Sabrina, Amanda Dwi Cahyani Putri, Muhammad Raehan, Perani Rosyani. (2023). Klasifikasi Tingkat Kematangan Buah Tomat dengan Variasi Model Warna Menggunakan Support Vector Machine. Logic: Jurnal Ilmu Komputer dan Pendidikan.
Ahzril Pria Adistya, Novara Luthfyani, Perahim Tara, Richky Adriyan, Perani Rosyani. (2023) Klasterisasi Menggunakan Algoritma K-Means Clustering Untuk Memprediksi Kelulusan Mata Kuliah Mahasiswa. OKTAL: Jurnal Ilmu Komputer dan Sains
Angel, Erny Herwindiati Dyah. (2024) Perbandingan Algoritma K-NN, SVM, dan Decision Tree dalam Klasifikasi Kelenjar Tiroid. IFTK
Azis, A., Zy, A. T., & Sunge, A. S. (2024). Prediksi Penjualan Obat Dan Alat Kesehatan Terlaris Menggunakan Algoritma K-Nearest Neighbor. Jurnal Teknologi Dan Sistem Informasi Bisnis, 6(1), 117-124
Christanto Duta Arief, Susanto Agung Budi, Handayani Murni. (2023) Analisis Sistem Pembelajaran Menggunakan Google Classroom Untuk Meningkatkan Kompetensi Siswa Dengan Metode K-Nearest Neighbor (Studi Kasus: SMK Mawar Saron Taman Royal Kota Tangerang). Jurnal Penelitian Ilmu Komputer
Dharmarajan K., Balasree K., Arunachalam A.S., Abirmai. K. (2020) Thyroid Disease Classification Using Decision Tree and SVM. IJPHRD
F. Liantoni and A. Santoso, "Perbaikan Kontras Citra Mammogram Pada Klasifikasi Kanker Payudara Berdasarkan Fitur Gray-Level-Co-Occurrence Matrix," Science And Information Technology Journal, no. 3, pp. 26- 51, 2020.
Kitchenham a Barbara, O Pearl Brereto, et,al. Systematic Literatur Reviews in Software Eigneering-ASiystematic Literatur Review. Article Departemen Of Computer Science, Durham University, Durham, Uk, (2008): 793.
Liliya A. Demidova. (2021) Two-Stage Hybrid Data Classifiers Based on SVM and kNN Algorithms. Symmetry.
Nazura Is Anin, Susanto Agung Budi, Sudarno. (2023). Analisis Siswa Paket C PKBM Siliwangi Pamulang Diterima Masuk Perguruan Tinggi Negeri Menggunakan Metode Algoritma Support Vector Machine dan K-Nearest Neighbor (Studi Kasus: Sekolah PKBM Siliwangi). Jurnal Penelitian Ilmu Komputer
Tantika, Rina Silviany. (2022) Penggunaan Metode Support Vector Machine Klasifikasi Multiclass pada Data Pasien Penyakit Tiroid. Bandung Conference Series: Statistics
Supardianto, Mutawali Lalu, Murniati Wafiah. (2022) Penerapan KNNImputer dalam Mengolah Missing Value untuk Meningkatkan Akurasi SVM dalam Klasifikasi Penyakit Tiroid. JINTEKS (Jurnal Informatika Teknologi dan Sains).
Yunial Agus Heri. (2020). Analisis Optimasi Algoritma Klasifikasi Support Vector Machine, Decision Trees, dan Neural Network Menggunakan Adaboost dan Bagging. Jurnal Informatika Universitas Pamulang
