PREDIKSI DINI LIVER CIRRHOSIS UNTUK KESEHATAN HATI MENGGUNAKAN METODE MACHINE LEARNING.

Abstract

Penelitian ini bertujuan untuk mengembangkan model prediksi risiko liver cirrhosis menggunakan tiga pendekatan machine learning, yaitu Decision Tree, Logistic Regression, dan Support Vector Machine (SVM). Data klinis dan laboratorium dari pasien dewasa yang didiagnosis dengan atau berisiko terkena liver cirrhosis digunakan dalam analisis retrospektif. Logistic Regression menunjukkan akurasi tertinggi dengan 71.5%, diikuti oleh SVM dengan 72.6%, dan Decision Tree dengan 66.7%. Meskipun akurasi yang berbeda, masing-masing model memberikan wawasan unik dalam prediksi risiko liver cirrhosis. Hasil ini memberikan dasar untuk pengembangan model prediksi yang lebih canggih, mendukung praktik klinis, dan meningkatkan manajemen penyakit hati. Evaluasi lebih lanjut dan peningkatan akurasi melalui pemrosesan data yang lebih cermat menjadi perhatian selanjutnya. Kesimpulannya, model-machine learning memiliki potensi besar dalam mendukung pengambilan keputusan klinis dan meningkatkan pemahaman tentang risiko liver cirrhosis.