Implementasi Algoritma Support Vector Machine (SVM) Untuk Klasifikasi Penyakit Dengan Gejala Demam
| Main Author: | Fadilah, Nurul Ihsani |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/14027/1/Nurul%20Ihsani%20Fadilah.pdf http://repository.ub.ac.id/14027/ |
Daftar Isi:
- Penyakit menular pada manusia memiliki salah satu gejala umum yaitu gejala demam. Dalam beberapa kasus, terdapat gejala demam yang menular pada tubuh manusia melalui media vektor penyakit yang disebabkan oleh serangga atau disebut juga dengan istilah penularan penyakit melalui media Arthropod-borne disease. Terdapat tiga penyakit dengan gejala demam yang penularannya terjadi melalui media Arthropod-borne disease yaitu Demam Berdarah, Malaria dan Demam Tifoid. Penyakit tersebut memiliki gejala klinis yang hampir sama sehingga cukup sulit melakukan diagnosis penyakit yang diderita oleh pasien. Dengan jumlah penderita yang besar dan resiko kematian yang tinggi pada penyakit ini, perlu adanya sebuah sistem yang dapat membedakan ketiga penyakit ini dengan cepat dan tepat. Untuk memecahkan permasalah tersebut, dibuat sebuah sistem yang dapat melakukan klasifikasi penyakit dengan gejala demam menggunakan algoritme Support Vector Machine (SVM). Penelitian ini menggunakan 130 dataset yang memiliki 15 parameter. Dataset dibagi menjadi data latih dan data uji dengan menggunakan metode K-Fold Cross Validation, dengan k=10. Sebelum mendapatkan hasil klasifikasi penyakit dengan gejala demam, dilakukan proses training dan testing dengan melakukan proses perhitungan yaitu perhitungan kernel dengan menggunakan kernel polynomial, perhitungan matriks Hessian, perhitungan nilai Ei, perhitungan nilai delta alpha, perhitungan nilai alpha, perhitungan nilai bobot, perhitungan bias, perhitungan nilai f(x) level 1, dan perhitungan nilai f(x) level 2. Hasil akhir dari implementasi algoritma Support Vector Machine untuk peyakit dengan gejala demam adalah akurasi dari ketepatan sistem dalam mengklasifikasi kelas demam berdarah, kelas malaria dan kelas tifoid sehingga didapatkan hasil akurasi terbaik dengan menggunakan metode k-fold cross validation, dengan k=10, pembagian rasio data = 90%:10%, dan parameter yang digunakan adalah lamda = 0.5, gamma = 0. 01, C (complexity) = 1, epsilon = 0.0001, iterasi maksimum = 20, sehingga rata-rata akurasi yang didapatkan yaitu 99.23%.