Implementasi Metode Binary Decision Tree Support Vector Machine (Bdtsvm) Untuk Klasifikasi Penyakit Gigi Dan Mulut (Studi Kasus: Puskesmas Dinoyo Malang)
| Main Author: | Nivani, Nindy Deka |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2017
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/3310/1/Nindy%20Deka%20Nivani.pdf http://repository.ub.ac.id/3310/ |
Daftar Isi:
- Gigi dan mulut merupakan gerbang masuknya kuman dan bakteri yang dapat mengganggu kesehatan. Keluhan terhadap penyakit gigi dan mulut banyak sekali dikeluhkan oleh sebagian besar masyarakat di Indonesia, hal ini dikuatkan dengan fakta yang didapat dari data PDGI (Persatuan Dokter Gigi Indonesia) yang menyebutkan bahwa 87% dari masyarakat Indonesia menderita sakit gigi dan diantaranya tidak memeriksakan giginya ke dokter. Melihat hal tersebut dokter gigi mempunyai peran penting dalam menentukan klasifikasi penyakit gigi dan mulut yang tepat agar pasien dapat segera terobati penyakit yang sedang dideritanya. Penelitian ini mengimplementasikan metode Binary Decision Tree Support Vector Machine (BDTSVM) untuk membantu mengklasifikasikan penyakit gigi dan mulut. Metode Binary Decision Tree digunakan untuk pembuatan pohon biner dengan tujuan memisahkan kelas ke dalam 2 kelompok yaitu positif dan negatif. Sedangkan metode Support Vector Machine digunakan untuk proses klasifikasi. Pada penelitian ini digunakan 4 macam pengujian yaitu pengujian terhadap iterasi maksimal, parameter lambda, parameter gamma, dan parameter complexity. Hasil yang didapat dari penelitian ini adalah hasil klasifikasi penyakit gigi dan mulut dengan 6 kelas penyakit. Berdasarkan hasil pengujian yang telah dilakukan diperoleh akurasi rata-rata sebesar 94,28% dengan menggunakan nilai parameter lambda = 0,5, parameter complexity = 0,1, parameter gamma = 0,01 dan iterasi maksimal = 5.