Perbandingan Klasifikasi Data Calon Pendonor Darah dengan Algoritma K-Nearest Neighbor dan Support Vector Machine

Abstract

Darah memegang peranan penting dalam tubuh manusia. Pemenuhan kebutuhan darah sangat penting untuk meningkatkan kualitas pelayanan kesehatan dan menyelamatkan nyawa seseorang. Menurut pedoman Organisasi Kesehatan Dunia, darah dari seorang pendonor tidak dapat digunakan setelah 42 hari. Cadangan darah nasional yang memenuhi standar Organisasi Kesehatan Internasional (WHO) adalah 2% dari populasi. Untuk mengetahui dan memahami perilaku pendonor darah, maka sangat penting untuk meningkatkan suplai darah di masa yang akan datang, salah satunya dengan menggunakan algoritma untuk meramalkan perilaku pendonor darah. Untuk mengkasifikasikan calon pendonor darah menggunakan Algoritma K-Nearest Neighbors dan Support Vector Machine. Data yang digunakan berasal dari UTD PMI Kota Jakarta Selatan, pengumpulan data pendonor darah secara primer. Pengujian dilakukan dengan perbandingan data traning dan data testing . Hasil dari pengujian dengan menujukan bahwa Support Vector Machine menghasilkan akurasi sebesar 90 % lebih besar dari Algoritma K-Nearest Neighbors yang hanya memiliki akurasinya sebesar 76 % dengan perbandingan data 60:40 dengan jumlah dataset sebesar 200 data.