Implementasi Algoritma Support Vector Machine (SVM) untuk Prediksi Penyakit Stroke dengan Atribut Berpengaruh
Keywords:
Algoritma Support Vector Machine (SVM), Data Mining, Strok
Abstract
Strok menjadi penyakit yang menduduki peringkat ketiga di Indonesia setelah jantung dan kanker. Seringkali manusia lengah dalam menyadari adanya penyakit Strok. Kurangnya tenaga medis di Indonesia membuat masyarakat sulit untuk mendeteksi dini penyakit strok. Oleh karena itu penelitian ini dilakukan untuk memprediksi adanya penyakit Strok menggunakan Algoritma Support Vector Machine (SVM) untuk klasifikasi himpunan data yang menggunakan Metode Confusion Matrix. Pengujian algoritma SVM menggunakan Kernel Linear untuk mendapatkan hasil terbaik. Penelitian menggunakan algoritma Support Vector Machine (SVM) dengan Relief-f. Data yang menggunakan 3426 Baris dan lima kolom. Hasil pengujian menghasilkan akurasi data sebesar 100%.
References
[1] N. Permatasari, "Perbandingan Stroke Non Hemoragik dengan Gangguan Motorik Pasien Memiliki Faktor Resiko Diabetes Melitus dan Hipertensi," Jurnal Ilmiah Kesehatan Sandi Husada, pp. 298-304, 2020.
[2] P. A. W. Suwaryo, W. T. Widodo and E. Setianingsih, " Faktor Risiko yang Mempengaruhi Kejadian Stroke," Jurnal Keperawatan, pp. 251-260, 2019.
[3] B. Tamam, " Faktor Risiko Terhadap Kejadian Stroke di RSUD Dr. Koesnadi Bondowoso," pp. 1-20, 2020.
[4] M. Lestari and S. , "Sistem Pakar Mendiagnosa Penyakit Stroke Transient Ischaemic Attack (TIA) Dengan Menggunakan Metode Dempster Shafer," Jurnal Sistem Informasi dan Teknologi Jaringan, pp. 25-30, 2021.
[5] R. Rachman, "Implementasi Case Based Reasoning Mendiagnosa Penyakit Stroke Menggunakan Algoritma Probabilistic Symmetric," Jurnal Informatika, pp. 10-16, 2021.
[6] A. Puspitawuri, E. Santoso and C. Dewi, "Diagnosis Tingkat Risiko Penyakit Stroke Menggunakan Metode K-Nearest Neighbor dan Naïve Bayes," Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 3, pp. 3319-3324, 2019.
[7] A. Byna and M. Basit, "Penerapan Metode Adaboost Untuk Mengoptimasi Prediksi Penyakit Stroke Dengan Algoritma Naïve Bayes," Jurnal SISFOKOM, vol. 09, pp. 407-411, 2020.
[8] T. Djatna, M. K. D. Hardhienata and A. F. N. Masruriyah, "An intuitionistic fuzzy diagnosis analytics for stroke disease," Big Data, pp. 1-14, 2018.
[9] A. F. N. Masruriyah, T. Djatna , M. K. D. Hardhienata, D. Wahiddin and H. H. Handayani, "Predictive Analytics For Stroke Disease," Big Data, 2020.
[10] R. S. Hutama, N. Hidayat and E. Santoso, "Sistem Pakar Deteksi Dini Penyakit Stroke Menggunakan Metode Naive Bayes-Certainly Factor," Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, pp. 4333-4339, 2018.
[11] S. Atmaja, " Sistem Pendukung Keputusan untuk Deteksi Dini Resiko Penyakit Stroke menggunakan Learning Vektor Quantization," INDEXIA, pp. 29-35, 2019.
[12] G. "Data Mining di Bidang Pendidikan Anak untuk Analisa Prediksi Kinerja Mahasiswa dengan Komparasi 2 Model Klasifikasi pada STMIK Jabar," Jurnal Teknologi Sistem Informasi dan Aplikasi, pp. 23-30, 2019.
[13] J. D. Z. Abidin, S. Nurmaini and R. F. Malik, "Penerapan Metode K-Nearest Neighbor dalam Memprediksi Masa Studi Mahasiswa (Studi Kasus : Mahasiswa STIKOM Dinamika Bangsa)," Computer Science and ICT, pp. 133-138, 2017.
[14] R. N. Yusra, O. S. Sitompul and S. , "Kombinasi K-Nearest Neighbor (KNN) dan Relief-F untuk Meningkatkan Akurasi pada Klasifikasi Data," InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan, pp. 16-21, 2021.
[15] H. Sammir, "Metode Feature Selection pada Naive Bayes menggunakan Struktur Data Redis," Junal J-Click, pp. 28-34, 2019.
[16] B. Sugara and A. Subekti, "Penerapan Support Vector machine (SVM) pada Small Dataset untuk Deteksi Dini Gangguan Autisme," Jurnal PILAR Nusa Mandiri, pp. 177-182, 2019.
[17] E. H. Harahap, L. Muflikhah and B. Rahayudi, "Implementasi Algoritma Support Vector Machine (SVM) untuk Penentuan Seleksi Atlet Pencak Silat," Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, pp. 3843-3848, 2018.
[18] K. and S. Susanti, "Klasifikasi Kelayakan Peserta Pengajuan Kredit Rumah dengan Algoritma Naïve Bayes di Perumahan Azzura Residencia," Jurnal Teknologi Pelita Bangsa, pp. 43-48, 2019.
[19] B. P. Pratiwi, A. S. Handayani and S. , "Pengukuran Kinerja Sistem Kualitas Udara Dengan Teknologi WSN Menggunakan Confusion Matrix," JURNAL INFORMATIKA UPGRIS, pp. 66-75, 2020.
[2] P. A. W. Suwaryo, W. T. Widodo and E. Setianingsih, " Faktor Risiko yang Mempengaruhi Kejadian Stroke," Jurnal Keperawatan, pp. 251-260, 2019.
[3] B. Tamam, " Faktor Risiko Terhadap Kejadian Stroke di RSUD Dr. Koesnadi Bondowoso," pp. 1-20, 2020.
[4] M. Lestari and S. , "Sistem Pakar Mendiagnosa Penyakit Stroke Transient Ischaemic Attack (TIA) Dengan Menggunakan Metode Dempster Shafer," Jurnal Sistem Informasi dan Teknologi Jaringan, pp. 25-30, 2021.
[5] R. Rachman, "Implementasi Case Based Reasoning Mendiagnosa Penyakit Stroke Menggunakan Algoritma Probabilistic Symmetric," Jurnal Informatika, pp. 10-16, 2021.
[6] A. Puspitawuri, E. Santoso and C. Dewi, "Diagnosis Tingkat Risiko Penyakit Stroke Menggunakan Metode K-Nearest Neighbor dan Naïve Bayes," Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 3, pp. 3319-3324, 2019.
[7] A. Byna and M. Basit, "Penerapan Metode Adaboost Untuk Mengoptimasi Prediksi Penyakit Stroke Dengan Algoritma Naïve Bayes," Jurnal SISFOKOM, vol. 09, pp. 407-411, 2020.
[8] T. Djatna, M. K. D. Hardhienata and A. F. N. Masruriyah, "An intuitionistic fuzzy diagnosis analytics for stroke disease," Big Data, pp. 1-14, 2018.
[9] A. F. N. Masruriyah, T. Djatna , M. K. D. Hardhienata, D. Wahiddin and H. H. Handayani, "Predictive Analytics For Stroke Disease," Big Data, 2020.
[10] R. S. Hutama, N. Hidayat and E. Santoso, "Sistem Pakar Deteksi Dini Penyakit Stroke Menggunakan Metode Naive Bayes-Certainly Factor," Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, pp. 4333-4339, 2018.
[11] S. Atmaja, " Sistem Pendukung Keputusan untuk Deteksi Dini Resiko Penyakit Stroke menggunakan Learning Vektor Quantization," INDEXIA, pp. 29-35, 2019.
[12] G. "Data Mining di Bidang Pendidikan Anak untuk Analisa Prediksi Kinerja Mahasiswa dengan Komparasi 2 Model Klasifikasi pada STMIK Jabar," Jurnal Teknologi Sistem Informasi dan Aplikasi, pp. 23-30, 2019.
[13] J. D. Z. Abidin, S. Nurmaini and R. F. Malik, "Penerapan Metode K-Nearest Neighbor dalam Memprediksi Masa Studi Mahasiswa (Studi Kasus : Mahasiswa STIKOM Dinamika Bangsa)," Computer Science and ICT, pp. 133-138, 2017.
[14] R. N. Yusra, O. S. Sitompul and S. , "Kombinasi K-Nearest Neighbor (KNN) dan Relief-F untuk Meningkatkan Akurasi pada Klasifikasi Data," InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan, pp. 16-21, 2021.
[15] H. Sammir, "Metode Feature Selection pada Naive Bayes menggunakan Struktur Data Redis," Junal J-Click, pp. 28-34, 2019.
[16] B. Sugara and A. Subekti, "Penerapan Support Vector machine (SVM) pada Small Dataset untuk Deteksi Dini Gangguan Autisme," Jurnal PILAR Nusa Mandiri, pp. 177-182, 2019.
[17] E. H. Harahap, L. Muflikhah and B. Rahayudi, "Implementasi Algoritma Support Vector Machine (SVM) untuk Penentuan Seleksi Atlet Pencak Silat," Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, pp. 3843-3848, 2018.
[18] K. and S. Susanti, "Klasifikasi Kelayakan Peserta Pengajuan Kredit Rumah dengan Algoritma Naïve Bayes di Perumahan Azzura Residencia," Jurnal Teknologi Pelita Bangsa, pp. 43-48, 2019.
[19] B. P. Pratiwi, A. S. Handayani and S. , "Pengukuran Kinerja Sistem Kualitas Udara Dengan Teknologi WSN Menggunakan Confusion Matrix," JURNAL INFORMATIKA UPGRIS, pp. 66-75, 2020.
Published
2022-07-01
Section
Articles
