Kombinasi metode SMOTE dan PCA untuk meningkatkan performa klasifikasi fibrosis hati data pasien hepatitis c berbasis extreme learning machine

Hepatitis C merupakan infeksi penyakit yang disebabkan oleh hepatitis C Virus dan menyerang fungsi organ hati. Kondisi tersebut memungkinkan terjadinya radang hati akibat sel-sel hati yang rusak atau biasa dikenal dengan istilah fibrosis hati. Hepatitis C hampir tidak memiliki gejala awal dan memiliki masa pengobatan terbilang cukup lama yaitu 7-26 minggu. Oleh sebab itu perlu dilakukan diagnosa awal untuk penyakit ini salah satunya yaitu dengan biopsi hati. Biopsi hati merupakan standar terbaik untuk diagnosis perkembangan fibrosis hati namun cara ini cukup mahal dan kurang nyaman untuk pasien, sehingga dibuatlah sistem klasifikasi untuk memprediksi fibrosis hati untuk membantu dalam melakukan diagnosa penyakit hepatits C. Dengan menggunakan kombinasi metode seleksi fitur PCA dan oversampling SMOTE, penelitian ini membandingkan dua dataset Hepatitis C yang berasal dari Mesir dan Jerman untuk diklasifikasikan menggunakan metode Extreme Learning Machine.. Kombinasi metode SMOTE dan PCA mampu meningkatkan nilai evaluasi dataset Jerman dengan nilai awal akurasi, sensitifitas, dan spesifitasnya berturut-turut adalah 90%, 44%, 47% semuanya meningkat menjadi 99%. sedangkan pada datset Mesir nilai akurasi, sensitifitas, dan spesifisitas yang awalnya sama yaitu 26%, meningkat menjadi 31%.