KLASIFIKASI PENYAKIT MATA MENGGUNAKAN METODE SUPPORT VECTOR MACHINE DAN MODIFIED BALANCED RANDOM FOREST

Abstrak

Penyakit mata seperti refraktif, implan, katarak, dan gangguan lainnya dapat menurunkan kualitas hidup penderitanya jika tidak terdiagnosis dan ditangani dengan tepat. Keterbatasan akses terhadap pemeriksaan medis menjadi salah satu hambatan dalam penanganan dini, sehingga diperlukan sistem pendukung keputusan berbasis teknologi yang akurat dan efisien. Penelitian ini bertujuan membandingkan kinerja algoritma Support Vector Machine (SVM) Linear dan Modified Balanced Random Forest (MBRF) yang diterapkan untuk menangani ketidakseimbangan kelas dalam mengklasifikasikan empat kategori penyakit mata menggunakan data rekam medis pasien Rumah Sakit PIM (Prima Inti Medika) yang terdiri dari 2.805 data dengan 30 fitur. Proses penelitian mencakup tahap preprocessing, pelatihan model, dan evaluasi kinerja menggunakan 5-Fold Cross Validation serta pengujian pada test set sebesar 20% data. Metrik evaluasi yang digunakan meliputi akurasi, presisi, recall, dan F1-score. Hasil pengujian menunjukkan bahwa MBRF unggul pada semua metrik, dengan rata-rata F1-Macro cross-validation sebesar 85,67% (lebih tinggi 3,33% dibandingkan SVM) dan akurasi test set sebesar 87,32% (lebih tinggi 3,21%). Analisis per kategori menunjukkan rata-rata peningkatan F1 sebesar 3,6%, dengan kenaikan tertinggi pada kelas Refraktif (+5,0%). MBRF juga memiliki waktu pelatihan 21% lebih cepat dibandingkan SVM Linear dan memberikan informasi feature importance yang relevan secara klinis. Berdasarkan hasil tersebut, MBRF direkomendasikan sebagai model utama dalam sistem pendukung keputusan diagnosis penyakit mata pada dataset yang serupa.

Identifier

• OpenAlex: https://openalex.org/W7123346050
• DOI: https://doi.org/10.36341/rabit.v11i1.6655