Klasifikasi Penderita Penyakit Ginjal Kronis Menggunakan Algoritme Support Vector Machine (SVM)
| Main Author: | Kurnianto, Ega Ajie |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/13808/1/Eggi_Kurniawan_115050100111113.pdf http://repository.ub.ac.id/13808/2/Jurnal_Eggi_Kurniawan.pdf http://repository.ub.ac.id/13808/ |
Daftar Isi:
- Data mining merupakan salah satu proses yang dapat digunakan pada industri kesehatan saat ini. Dengan banyaknya jumlah data yang dikumpulkan, akan dapat digunakan untuk mendapatkan suatu informasi atau mendapatkan bentuk pola yang menarik. Nantinya, informasi tersebut bisa digunakan untuk memberikan bantuan, diagnosis, maupun pengambilan keputusan terhadap seorang penderita penyakit tertentu, misalnya penyakit ginjal kronis, yang merupakan salah satu bentuk gangguan yang terjadi pada ginjal. Penyakit ini perupakan penyakit yang mematikan, tetapi dengan tindakan pencegahan yang tepat, penyakit ini juga dapat dihindari. Biasanya sebagian besar pasien penderita penyakit ginjal kronis tidak mengetahui penyakit yang diderita, serta pasien cenderung menganggap remeh ketika mendapati gejala-gejala awal pada penyakit ginjal kronis. Oleh karena itu, dibutuhkan sistem yang dapat memudahkan pendeteksian awal penyakit ginjal kronis. Salah satu teknik yang dapat digunakan yaitu klasifikasi dengan menggunakan algoritme Support Vector Machine (SVM). Algoritme ini bertujuan membuat hyperplane atau garis pemisah yang optimal. Pada penelitian ini data pasien yang digunakan berjumlah 158 data dengan 24 fitur dan 2 kelas. Berdasarkan hasil pengujian parameter SVM, hasil akurasi terbaik yang didapat mencapai 100% dengan detail nilai parameter yaitu nilai augmenting factor (λ) = 0.001, nilai learning rate (γ) = 0.001, nilai complexity (C) = 0,001, nilai sigma (σ) = 1, dan jumlah iterasi = 1000.