IMPLEMENTASI LEARNING VECTOR QUANTIZATION 2 DAN INFORMATION GAIN UNTUK KLASIFIKASI PENYAKIT GINJAL KRONIS

Fayat Zabihullah; Elvia Budianita; Fadhilah Syafria; Iis Afrianty

doi:10.24076/infosjournal.2025v8i01.2118

Authors

Fayat Zabihullah Universitas Islam Negri Sultan Syarif Kasim Riau
Elvia Budianita Universitas Islam Negeri Sultan Syarif Kasim Riau
Fadhilah Syafria Universitas Islam Negeri Sultan Syarif Kasim Riau
Iis Afrianty Universitas Islam Negeri Sultan Syarif Kasim Riau

DOI:

https://doi.org/10.24076/infosjournal.2025v8i01.2118

Keywords:

information gain, learning vektor quantization 2, ginjal kronis, seleksi fitur

Abstract

Penyakit ginjal kronis terjadi ketika ginjal gagal mempertahankan
metabolisme dan keseimbangan tubuh, serta memiliki risiko kematian
yang tinggi. Analisis dan prediksi menggunakan teknik klasifikasi data
dapat membantu mengurangi risiko tersebut. Penelitian ini bertujuan
untuk mengklasifikasikan penyakit ginjal kronis dengan menggabungkan metode seleksi fitur Information Gain dan algoritma Learning Vector Quantization 2 (LVQ2). Dataset yang digunakan terdiri dari 1.659 data dengan 53 atribut dan 1 label kelas. Tahapan penelitian meliputi preprocessing, seleksi fitur, normalisasi, dan klasifikasi. Seleksi fitur dilakukan berdasarkan nilai Information Gain dengan threshold tertentu. Model diuji dengan kombinasi parameter learning rate dan window, serta dievaluasi menggunakan akurasi, presisi, recall, dan F1-score. Hasil terbaik diperoleh tanpa seleksi fitur dengan akurasi 93,98%. Setelah seleksi fitur, akurasi menurun sedikit menjadi 93,37%.
Kombinasi Smote dan seleksi fitur meningkatkan presisi, recall, dan F1 score, namun menurunkan akurasi hingga menjadi 80,00% pada threshold 0,7 dengan fitur terpilih 33.