Cover Image

Klasifikasi Pendonor Darah Menggunakan Metode Support Vector Machine (SVM) Pada Dataset RFMTC

Main Author: Nugroho, Erwin Bagus
Format: Thesis NonPeerReviewed
Terbitan: , 2018
Subjects:
006.4 Computer pattern recognition
Online Access: http://repository.ub.ac.id/11122/
ctrlnum 11122
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.ub.ac.id/11122/</relation><title>Klasifikasi Pendonor Darah Menggunakan Metode Support Vector Machine (SVM) Pada Dataset RFMTC</title><creator>Nugroho, Erwin Bagus</creator><subject>006.4 Computer pattern recognition</subject><description>Donor darah adalah proses pengambilan darah dari seseorang yang dilakukan secara sukarela kemudian dipakai untuk transfusi darah bagi pasien yang membutuhkan. Darah dari pendonor tidak dapat digunakan setelah 42 hari Menurut American Red Cross. Satu-satunya cara untuk memenuhi permintaan kantong darah dengan memiliki sumbangan darah rutin dari pendonor yang sehat. Di Indonesia pada tahun 2013 mengalami kekurangan kantong darah sebanyak 2.476.389 c.c, dimana idealnya ketersediaan darah adalah 2,5% dari jumlah penduduk. Dalam mengatasi permasalahan tersebut dibutuhkan suatu sistem yang mampu memprediksi perilaku pendonor agar dapat mengantisipasi kekurangan kantong darah. Regency, Frequency, Monetary, Time, Churn Probability (RFMTC) merupakan modifikasi dari metode RFM yang digunakan untuk meramalkan perilaku pendonor darah untuk mendonorkan darahnya kembali atau tidak mendonor. untuk dapat mengklasifikasikan perilaku pendonor penelitian ini menggunakan metode Support Vector Machine (SVM). Kinerja SVM sangat bagus untuk tingkat klasifikasi dibandingkan dengan metode lain. Data yang digunakan dalam penelitian ini adalah 748 yang di bagi menjadi data latih dan data uji. Hasil akurasi penelitian ini mendapatkan akurasi terbaik berdasarkan rasio data 50%:50%, dengan menggunakan kernel linier dan nilai parameter Lambda (&#x3BB;) = 2, Gamma (&#x3B3;), = 0.5, Epsilon (&#x3B5;) = 0.005, dan Complexity (C) = 20. Hasil dari akurasi metode SVM pada klasifikasi pendonor darah sebesar 72.64%.</description><date>2018-01-17</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><identifier> Nugroho, Erwin Bagus (2018) Klasifikasi Pendonor Darah Menggunakan Metode Support Vector Machine (SVM) Pada Dataset RFMTC. Sarjana thesis, Universitas Brawijaya. </identifier><relation>SKR/FTIK/2018/173/051801160</relation><recordID>11122</recordID></dc>
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
author Nugroho, Erwin Bagus
title Klasifikasi Pendonor Darah Menggunakan Metode Support Vector Machine (SVM) Pada Dataset RFMTC
publishDate 2018
topic 006.4 Computer pattern recognition
url http://repository.ub.ac.id/11122/
contents Donor darah adalah proses pengambilan darah dari seseorang yang dilakukan secara sukarela kemudian dipakai untuk transfusi darah bagi pasien yang membutuhkan. Darah dari pendonor tidak dapat digunakan setelah 42 hari Menurut American Red Cross. Satu-satunya cara untuk memenuhi permintaan kantong darah dengan memiliki sumbangan darah rutin dari pendonor yang sehat. Di Indonesia pada tahun 2013 mengalami kekurangan kantong darah sebanyak 2.476.389 c.c, dimana idealnya ketersediaan darah adalah 2,5% dari jumlah penduduk. Dalam mengatasi permasalahan tersebut dibutuhkan suatu sistem yang mampu memprediksi perilaku pendonor agar dapat mengantisipasi kekurangan kantong darah. Regency, Frequency, Monetary, Time, Churn Probability (RFMTC) merupakan modifikasi dari metode RFM yang digunakan untuk meramalkan perilaku pendonor darah untuk mendonorkan darahnya kembali atau tidak mendonor. untuk dapat mengklasifikasikan perilaku pendonor penelitian ini menggunakan metode Support Vector Machine (SVM). Kinerja SVM sangat bagus untuk tingkat klasifikasi dibandingkan dengan metode lain. Data yang digunakan dalam penelitian ini adalah 748 yang di bagi menjadi data latih dan data uji. Hasil akurasi penelitian ini mendapatkan akurasi terbaik berdasarkan rasio data 50%:50%, dengan menggunakan kernel linier dan nilai parameter Lambda (λ) = 2, Gamma (γ), = 0.5, Epsilon (ε) = 0.005, dan Complexity (C) = 20. Hasil dari akurasi metode SVM pada klasifikasi pendonor darah sebesar 72.64%.
id IOS4666.11122
institution Universitas Brawijaya
affiliation mill.onesearch.id
fkp2tn.onesearch.id
institution_id 30
institution_type library:university
library
library Perpustakaan Universitas Brawijaya
library_id 480
collection Repository Universitas Brawijaya
repository_id 4666
subject_area Indonesian Language Collection/Kumpulan Karya Umum dalam Bahasa Indonesia*
city MALANG
province JAWA TIMUR
shared_to_ipusnas_str 1
repoId IOS4666
first_indexed 2018-06-01T03:05:37Z
last_indexed 2021-10-18T02:15:32Z
recordtype dc
_version_ 1751453669657673728
score 17.538404

Lihat Juga