PERBANDINGAN METODE K-MEANS DAN COMPLETE LINKAGE UNTUK PREDIKSI PENDERITA PENYAKIT TIROID MENGGUNAKAN KLASIFIKASI XGBOOST

Abstract

Kelenjar tiroid bisa disebut sebagai organ paling penting dalam tubuh, karena hormon tiroid berfungsi untuk mengendalikan metabolisme dalam tubuh. Sehingga jika kelenjar tiroid mengalami kelainan maka metabolisme dalam tubuh juga akan terganggu. Gangguan tiroid dapat dibedakan menjadi 3 jenis menurut fungsinya, yaitu hypothyroid, hyperthyroid, dan euthyroid. Untuk membantu memprediksi penyakit dari kelainan tiroid, pada penelitian ini digunakan metode clustering k-means dan complete linkage untuk mengelompokkan data menjadi 3 kelompok dan menggunakan metode klasifikasi XGBoost untuk melihat tingkat akurasi dari pengelompokkan data metode-metode clustering. Pada penelitian ini melakukan perbandingan tingkat akurasi dari klasifikasi XGBoost dengan menggunakan metode clustering k-means dan klasifikasi XGBoost dengan menggunakan metode clustering complete linkage. Berdasarkan hasil penelitian, didapatkan bahwa hasil akurasi dari klasifikasi XGBoost dengan metode clustering k-means menghasilkan kinerja akurasi yang lebih baik, yaitu sebesar 99,957%. Sedangkan hasil akurasi dari klasifikasi XGBoost menggunakan metode clustering complete linkage sebesar 99,67%.