PENERAPAN METODE SUPPORT VECTOR MACHINE PADA DIAGNOSA HEPATITIS
Abstract
Keywords: classification, Machine learning, hepatitis, support vector machine
Machine learning telah banyak digunakan dalam bidang medis untuk menganalisa dataset medis. Salah satu metode machine learning adalah Support Vector Machine (SVM). Dengan melihat konsep metode SVM yaitu menemukan fungsi pemisah optimal yang bisa memisahkan dua set data dari dua kelas yang berbeda, muncul pemikiran apakah metode ini dapat digunakan untuk mendiagnosa seseorang mengidap penyakit tertentu atau tidak, khususnya penyakit hepatitis. Untuk itu penelitian ini dilakukan untuk mengetahui dapat digunakannya metode SVM dan menganalisis kemampuan metode Support Vector Machine untuk mendiagnosa penyakit Hepatitis. Analisis kemampuan metode diketahui dengan uji coba menggunakan data testing dengan kedua kernel dengan data training 100 data positif dan 100 data negatif. Hasil uji coba dengan menggunakan fungsi kernel linier mendapatkan hasil persentase benar 68-83 % dan fungsi kernel RBF 70-96 %. Kesimpulan dari penelitian ini adalah metode SVM dapat digunakan untuk mendiagnosa penyakit hepatitis dengan tingkat akurasi cukup tinggi dan fungsi kernel RBF memiliki tingkat akurasi cenderung lebih tinggi dibandingkan fungsi kernel linier.
Kata kunci : klasifikasi, machine learning, hepatitis, support vector machine
Full Text:
PDFReferences
Munawarah, Raudlatul. 2016. Implementasi Metode Support Vector Machine untuk Mendiagnosa Penyakit Hepatitis. Program S-1 Ilmu Komputer, Universitas Lambung Mangkurat: Banjarbaru.
Christianini, Nello dan John S. Taylor. 2000. An Introduction to Support Vector Machines and Other Kernel-based Learning Methods. Cambridge University Press
Feldman, David and Gross, Shulamith. 2004. Mortgage Default: Classification Trees Analysis. University of New South Wales - Banking & Finance, Australian School of Business.
Green, Chris W.2005. Hepatitis Virus dan HIV. Yayasan Spiritia: Jakarta
Ramana, B. V., Babu, S. P., & Venkateswarlu, N. B. 2011. A Critical Study Of Selected Classification Algorithms For Liver Disease Diagnosis. International Journal Of Database Management Systems , Vol. 3 (2), Hal. 101-114.
Platt, John. 1998. Sequential Minimal Optimization: A fast Algorithm for Training Support Vector Machine. Microsoft Research. http://www.research.microsoft.com/jplatt
DOI: http://dx.doi.org/10.20527/klik.v3i1.39
Copyright (c) 2016 KLIK - JURNAL ILMIAH ILMU KOMPUTER
This work is licensed under a Creative Commons Attribution 4.0 International License. View My Stats