Catatan bukti · UDINUS · SDGs
- Unit
- Rektorat UDINUS
- Periode
- 2020
- Tujuan
- Nomor
- 929bada2-ea8b-4094-90dd-264f777ee3e5
- Terbit
- 2026-10-30
Universitas Dian Nuswantoro melaksanakan evaluasi algoritma klasifikasi untuk memprediksi kasus infeksi virus dengue berdasarkan kriteria diagnosis klinis. Kegiatan ini melibatkan Fahmi, Amiq; Purwitasari, Diana; Sumpeno, Surya; dan Purnomo, Mauridhi Hery sebagai peserta dalam kegiatan penelitian UDINUS. Penelitian tersebut membahas demam dengue sebagai ancaman kesehatan yang serius dan dapat menyebabkan kematian, serta mempertimbangkan peran eksploitasi data mining dan metode klasifikasi dalam bidang medis dan kesehatan.
Kegiatan ini berfokus pada tiga kelas diagnosis klinis, yaitu dengue fever (DF), dengue hemorrhagic fever (DHF), dan dengue shock syndrome (DSS). Klasifikasi tersebut dibuat berdasarkan tanda dan gejala klinis serta pemeriksaan laboratorium. Tujuan utama penelitian adalah menguji dan mengevaluasi delapan algoritma klasifikasi untuk menemukan algoritma terbaik dari segi efisiensi dan efektivitas. Algoritma yang dibandingkan meliputi Neural Networks, Support Vector Machine, K-Nearest Neighbor, Decision Tree, Random Forest, Naive Bayes, AdaBoost, dan Logistic Regression.
Dataset yang digunakan bernama DBDDKK dan dikumpulkan dari Division of Disease Prevention and Control pada Semarang City Health Office, Central Java, Indonesia. Tahap prapemrosesan mencakup imputasi nilai yang hilang, pemilihan fitur yang relevan, dan normalisasi fitur. Proses tersebut menghasilkan 14.019 rekaman dengan 16 atribut untuk setiap rekaman. Dataset dibagi menjadi 70% data pelatihan dan 30% data pengujian. Cross-validation dengan 10 lipatan diterapkan untuk memvalidasi akurasi selama proses pelatihan. Kinerja algoritma dinilai menggunakan akurasi, presisi, dan recall untuk prediksi tiga kelas diagnosis dengue. Hasil perbandingan menunjukkan bahwa algoritma Neural Networks memiliki akurasi terbaik di antara algoritma yang dievaluasi. Kegiatan UDINUS ini membahas tujuan penelitian terkait kesehatan melalui klasifikasi kasus infeksi virus dengue.