Implementasi Soft Voting Classifier untuk Diagnosis Pneumonia

Pneumonia adalah infeksi akut pada jaringan paru-paru (alveolus) yang dapat disebabkan oleh berbagai mikroorganisme seperti virus, jamur dan bakteri. Hal ini dapat menyebabkan penyakit ringan hingga yang mengancam jiwa pada orang-orang dari segala usia, namun pneumonia ini menjadi penyebab kematian menular terbesar pada anak-anak di seluruh dunia. Berdasarkan data yang diperoleh dari Rumah Sakit Ibnu Sina YW-UMI, terdapat beberapa variabel yang berhubungan dengan pneumonia sehingga dilakukan analisis untuk mengklasifikasikan penyakit tersebut. Sehingga, penelitian ini membangun tiga model klasifikasi machine learning, yaitu K-Nearest Neighbor, Support Vector Machine, dan Decision Tree. Evaluasi model akan dilakukan untuk membandingkan hasil klasifikasi dari komposisi data latih dan data uji yang sama. Model Ensemble Soft Voting dibangun untuk mengkombinasikan hasil prediksi ketiga model klasifikasi yang bertujuan untuk mencapai kinerja yang lebih baik dan optimal dibandingkan kinerja pada satu model klasifikasi saja. Soft Voting memiliki kinerja dengan memasukkan prediksi dari beberapa pengklasifikasi berdasarkan rata-rata probabilitas dari output kelas hasil prediksi beberapa algoritma yang digunakan. Berdasarkan hasil pengujian performa, model Soft Voting memiliki performa yang lebih unggul dibandingkan ketiga model lainnya dengan akurasi sebesar 98,3%, kemudian diikuti oleh model Decision Tree dengan akurasi 97,1%, Support Vector Machine dengan akurasi 94,3%, dan K-Nearest Neighbor dengan akurasi 92,6%. Adapun dalam hasil pengujian waktu komputasi, model Decision Tree yang menunjukkan waktu komputasi tercepat, yaitu 0,0046 detik, selanjutnya ada K-Nearest Neighbor dengan 0,0121 detik, kemudian Support Vector Machine dengan 7,1949 detik, dan Soft Voting dengan 7,2568 detik. Dapat dilihat pada konteks performa Soft Voting yang lebih optimal dan dalam konteks kecepatan memprediksi Decision Tree yang lebih unggul. Pada penelitian ini dengan kasus diagnosis penyakit pneumonia, umumnya akurasi dari diagnosis adalah aspek yang sangat penting dalam konteks medis, karena kesalahan dalam prediksi dapat berakibat fatal. Oleh karena itu, diputuskan menggunakan model Soft Voting yang lebih memiliki tingkat akurasi tertinggi untuk mengklasifikasikan penyakit pneumonia.