REVIEW ARTIKEL: TINJAUAN KOMPARATIF METODE DIAGNOSTIK GAGAL GINJAL: DARI KLINIS KONVENSIONAL HINGGA KECERDASAN BUATAN

Zakila Azzahra; Siska Alicia Farma; Moralita Chatri

doi:10.36526/biosense.v8i3.5231

Authors

Zakila Azzahra Universitas Negeri Padang
Siska Alicia Farma Departemen Biologi, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Negeri Padang, Padang, Indonesia
Moralita Chatri Departemen Biologi, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Negeri Padang, Padang, Indonesia

DOI:

https://doi.org/10.36526/biosense.v8i3.5231

Keywords:

Keywords: kidney, kidney failure disease, Early identification

Abstract

Kidney failure is one of the global health issues with a continuously increasing prevalence. Early identification of this disease is very important to avoid more severe kidney damage. Various diagnostic methods have been developed to detect kidney failure, both through laboratory techniques, medical imaging, and new sensor-based and artificial intelligence technologies. This article discusses the comparison of several commonly used methods in the identification of kidney failure. In this article, the comparison aims to provide an overview of the effectiveness of various methods in diagnosing kidney disease and how the combination of several approaches can enhance the quality of detection and management of kidney disease. The results of this comparison are expected to provide useful insights for the development of more effective diagnostic methods in detecting early-stage kidney failure, which in turn can reduce the global burden of kidney disease.

References

Abdurahman, D., & Nurdianan, N. (2021). Perancangan metode certainty factor untuk diagnosa gagal ginjal kronis. Infotech: Jurnal Informatika dan Teknologi Informasi, 7(2). https://doi.org/10.31949/infotech.v7i2.1314
Akbar, A. T., Yudistira, N., Ridok, A., Brawijaya, U., & Korespondensi, P. (2023). Identifikasi gagal ginjal kronis dengan mengimplementasikan metode Support Vector Machine beserta K-Nearest Neighbour (SVM-KNN). Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), 10(2), 301–308. https://doi.org/10.25126/jtiik.2023106059
Asih, E. Y., Yenny, & Aji, Y. G. T. (2022). Gambaran kualitas hidup pasien dengan penyakit ginjal kronik yang menjalani hemodialisis di RSAU dr. Esnawan Antariksa. JKM: Jurnal Kesehatan Mahardika, 9(2). https://doi.org/10.54867/jkm.v9i2.123
E-ISSN, E. L. P., & Teknik, J. (2021). Identifikasi penyakit gagal ginjal melalui bau urine menggunakan sensor gas dan jaringan. Jurnal Teknik Elektro dan Informatika, 16, 57–66.
Fadilla, I., Adikara, P. P., & Perdana, R. S. (2018). Klasifikasi penyakit Chronic Kidney Disease (CKD) dengan menggunakan metode Extreme Learning Machine (ELM). Jurnal Teknologi dan Sistem Komputer, 2(10), 3397–3405.
Fakhira, A., Insani, F., Irsyad, M., Vitriani, Y., & Kurnia, F. (2023). Diagnosis dini penyakit gagal ginjal dengan metode Dempster. Prosiding Seminar Nasional Teknologi dan Rekayasa (SENTRA), 441–451.
Hadi, A. H., Ratnawati, D. E., & Dewi, C. (2018). Identifikasi penyakit gagal ginjal menggunakan metode Neighbor Weighted K-Nearest Neighbor (NWKNN). Jurnal Teknologi dan Sistem Komputer, 2(9), 2562–2569.
Irtawaty, A. S. (2017). Klasifikasi penyakit ginjal dengan metode K-Means. Jurnal Ilmiah Teknik Informatika, 5(1), 3–7.
Muhazir, A., Misbah, & Astutik, R. P. (2021). Identifikasi penyakit gagal ginjal melalui bau urine menggunakan sensor gas dan jaringan saraf tiruan. Jurnal Teknik Elektro dan Informatika, 16(1), 57–66.
Nugraha, N. P., Azim, R., Daffa, S. Z., & Ningayu, P. S. (n.d.). Perbandingan akurasi metode Naïve Bayes dan metode KNN untuk memprediksi gagal ginjal kronis. Jurnal Informatika dan Teknologi, 5(1), 1–10.
Perhimpunan Nefrologi Indonesia (PERNEFRI). (2018). 11th Report of Indonesian Renal Registry 2018. Jakarta: PERNEFRI.