Optimasi Parameter Support Vector Machine (SVM) Dengan Particle Swarm Optimization (PSO) Untuk Klasifikasi Pendonor Darah Dengan Dataset RFMTC
| Main Author: | Susena, I Gusti Ngurah Ersania |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/14087/1/I%20Gusti%20Ngurah%20Ersania%20Susena.pdf http://repository.ub.ac.id/14087/ |
Daftar Isi:
- Donor darah merupakan salah satu kegiatan kemanusiaan yang dilakukan secara sukarela. Darah merupakan salah satu unsur zat terpenting yang dimiliki manusia pada siklus kehidupan manusia. Dalam melaksanakan kegiatan donor darah, pemantauan ketersediaan stok kantung darah biasanya menjadi masalah utama. Untuk memenuhi stok kantung darah diperlukannya sistem yang dapat memprediksi perilaku pendonor darah. RFMTC (Recency, Frequency, Monetary, Time, Churn Probability) adalah metode RFM yang telah di modifikasi agar dapat melihat perilaku dari pendonor yang dapat mendonorkan darahnya kembali atau tidak mendonor. Maka dari itu dibutuhkan klasifikasi dari perilaku pendonor darah dengan menggunakan metode SVM-PSO. Dengan teknik SVM bekerja untuk mencari hyperplane yaitu garis pemisah antar kelas data. Kemudian teknik PSO bekerja untuk mencari nilai range parameter masukan yang dibutuhkan SVM agar mendapat nilai hyperplane yang optimal. Penelitian ini menggunakan 748 data dari UCI dataset dengan 4 fitur utama dan 2 kelas. Berdasarkan pengujian yang telah dilakukan didapatkan nilai akurasi sebesar 90% dengan nilai iterasi pelatihan SVM yang kecil dan nilai jumlah partikel PSO yang rendah.