PREDIKSI JUMLAH PENDERITA PENYAKIT TUBERKULOSIS DI KOTA BANDAR LAMPUNG MENGGUNAKAN METODE SVM (SUPPORT VECTOR MACHINE)
Abstract
Tuberkulosis (TB atau TBC) merupakan salah satu penyakit infeksi yang disebabkan oleh Bakteri Mycobacterium tuberculosis. Bakteri tersebut merupakan bakteri yang sangat kuat sehingga dalam pengobatannya memerlukan waktu yang cukup lama. Pengobatan penyakit tuberkulosis dilakukan selama 6-9 bulan secara rutin dengan sedikitnya 3 macam jenis obat. Saat ini kebanyakan masyarakat menganggap batuk dalam jangka waktu berbulan-bulan merupakan batuk biasa, jika dicermati salah satu gejala yang ditimbulkan penyakit tuberkulosis, yaitu batuk dalam jangka waktu yang panjang. Pada penelitian ini digunakan data penderita tuberkulosis di Kota Bandar Lampung, data cuaca dan matrix jarak antara kejadian penderita tuberkulosis yang satu dengan kejadian yang lainnya dalam lingkup kecamatan. Jumlah dari keseluruhan data sebanyak 600 data dengan 44 variabel. Penelitian ini juga menggunakan 3 kernel yaitu, Linear, Gaussian, dan Polynomial dengan menggunakan Metode SVM dengan kernel Linear mendapatkan nilai rata-rata R2 sebesar 51.43 %, pada percobaan dengan metode SVM dengan kernel Gaussian mendapatkan nilai rata-rata R2 sebesar 58.53 % dan pada percobaan dengan metode SVM dengan kernel Polynomial mendapatkan nilai rata-rata R2 sebesar 36.03 %.
Kata Kunci : Prediksi penderita tuberculosis, tuberculosis, Machine Learning, Support Vector Machine.
Tuberculosis (TB / TBC) is one of infectious disease caused by Mycobacterium tuberculosis bacteria. These bacteria are very strong bacteria so for the treatment takes a long time. Tuberculosis treatment is carried out for 6-9 months regularly with at least 3 types of drugs. Currently, most of people consider a cough for months is a common cough, if looked by one of the symptoms caused by tuberculosis, which is a cough for a long time. In this research, data on tuberculosis patients in the city of Bandar Lampung were used, weather data and the distance matrix between the case of tuberculosis patients with other case within the district. The total number of data is 600 data with 44 variables. This research also uses 3 kernels namely, Linear, Gaussian, and Polynomial by using the SVM method with the Linear kernel getting an average R2 value of 51.43%, in the experiment with the SVM method with a gaussian kernel getting an average R2 value of 58.53% and at Experiments with the SVM method with the Polynomial kernel obtained an average value of R2 of 36.03% .
Keywords : Prediction of tuberculosis sufferers, tuberculosis, Machine Learning, Support Vector Machine.
Full Text:
PDFReferences
World Health Organization, “Global Tuberculosis Report”, 2015.
Available at : http://www.who.int/tb/publications/global_report/en/
Indriani, D., Adiningsih, S., Mahmudiono, T, “Faktor resiko yang mempengaruhi kejadian TB paru pada anak jalanan dengan studi kasus di Yayasan Insani Surabaya”, Jurnal FKM UA, Surabaya, 2005.
Kementerian Kesehatan RI, “Penderita penyakit Tuberkulosis di Dunia”, Jakarta: Kemenkes RI, 2017.
Siagian, R. Y., “Klasifikasi Parket Kayu Jati Menggunakan Metode Support Vector Machine (SVM)”, Skripsi, Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas, Jawa Barat, 2011.
S. Ansari and U. Sutar, “Devanagari Handwritten Character Recognition using Hybrid Features Extraction and Feed Forward Neural Network Classifier (FFNN)”, Int. J. Comput. Appl., vol. 129, no. 7, pp. 22–27, 2015.
Lumbanraja, F.R., Sani, R.M.S., Kurniawan, D., Irawati, A.R., “Implementasi Metode Support Vector Machine Dalam Prediksi Persebaran Demam Berdarah Di Kota Bandar Lampung”, Jurnal Komputasi, Vol. 7., No. 2, pp.63-73, 2019.
S.Shalev-Shwartz and Shai Ben-David, “Understanding Machine Learning : From Theory to Algorithms”, Cambridge University Press, 2014.
C. Cortes and V. Vapnik, “SupportVector Networks”, vol. 297, pp. 273–297, 1995.
Haslinda, J. M., “Pengaruh Perencanaan Anggaran Dan Evaluasi Anggaran Terhadap Kinerja Organisasi Dengan Standar Biaya Sebagai Variabel Moderating Pada Pemerintah Daerah Kabupaten Wajo” Jurnal IIlmiah Akuntansi Peradaban, 2016.
H. Bhavsar and M. H. Panchal, “A Review on Support Vector Machine for Data Classification”, Int. J. Adv. Res. Comput. Eng. Technol., vol. 1, no. 10, pp. 2278–1323, 2012.
Reitermanova, Z., “Data Splitting. WDS'10 Proceedings of Contributed Papers. Czech Republic”, Part 1:31-36, 2010.
D. Anguita, L. Ghelardoni, A. Ghio, L. Oneto, and S. Ridella, “The ‘K’ in K-fold cross validation,” ESANN 2012 proceedings, 20th Eur. Symp. Artif. Neural Networks, Comput. Intell. Mach. Learn., no. April, pp. 441–446, 2012.
DOI: http://dx.doi.org/10.20527/klik.v7i3.350
Copyright (c) 2020 KLIK - KUMPULAN JURNAL ILMU KOMPUTER
This work is licensed under a Creative Commons Attribution 4.0 International License.
This work is licensed under a Creative Commons Attribution 4.0 International License. View My Stats