Metode Support Vector Machine untuk Klasifikasi Data Penyakit Hati yang Imbalance


Nur Rahmah(1*); Purnawansyah Purnawansyah(2); Fitriyani Umar(3);

(1) Universitas Muslim Indonesia
(2) Universitas Muslim Indonesia
(3) Universitas Muslim Indonesia
(*) Corresponding Author

  

Abstract


Penelitian ini bertujuan untuk melakukan klasifikasi penyakit hati menggunakan metode Support Vector Machine (SVM) dan Synthetic Minority Oversampling Technique (SMOTE). Data yang digunakan berupa data sekunder yang diperoleh dari situs Kaggle dengan jumlah data sebanyak 582 sampel. Data tersebut terdiri dari 10 fitur yang digunakan sebagai variabel masukan SVM. Proses klasifikasi dilakukan dengan membagi data menjadi data training 70% dan data testing 30%. Hasil dari penelitian yang telah dilakukan ialah dengan menggunakan metode support vector machine mampu melakukan klasifikasi data penyakit hati dengan hasil klasifikasi yang menunjukkan nilai 0 dan 1. Dimana nilai 0 menandakan bahwa pasien tersebut tidak mengidap penyakit hati dan nilai 1 menandakan bahwa pasien tersebut mengidap penyakit hati. Berdasarkan proses klasifikasi data penyakit hati yang telah dilakukan memperoleh nilai akurasi performansi yaitu 67,06%, dan berdasarkan proses visualisasi data yang telah dilakukan dalam proses pengklasifikasian data tersebut ditemukan ketidakseimbangan data penyakit hati. Ketidakseimbangan data yang peroleh dilakukan oversampling menggunakan metode SMOTE untuk menyeimbangkan data. Penelitian telah melakukan proses penyeimbangan data penyakit hati sehingga tenaga menis lebih terbantukan dalam mendeteksi penyakit hati yang diderita oleh pasien

Keywords


Support Vector Machine; Penyakit Hati; Data Tidak Seimbang

  
  

Full Text:

PDF
  

Article Metrics

Abstract view: 132 times
PDF view: 3 times 		     

Digital Object Identifier

doi  https://doi.org/10.33096/busiti.v5i1.2189 		  

Cite

How to cite item

References


R. Munawarah, O. Soesanto, and M. R. Faisal, “Penerapan Metode Support Vector Machine Pada Diagnosa Hepatitis,” Kumpul. J. Ilmu Komput., vol. 04, no. 01, pp. 103–113, 2016.J. Clerk Maxwell, A Treatise on Electricity and Magnetism, 3rd ed., vol. 2. Oxford: Clarendon, 1892, pp.68–73.

L. Octaria Sitanggang and N. Bahtiar, “Aplikasi Data Mining Untuk Mendeteksi Penyakit Hepatitis Menggunakan Metode Support Vector Machine (SVM) Polynomial (Studi Kasus : Data Pasien Hati India),” J. Masy. Inform., vol. 10, no. 1, pp. 20–27, 2019, doi: 10.14710/jmasif.10.1.31490.

A. I. Falatehan, N. Hidayat, and K. C. Brata, “Sistem Pakar Diagnosis Penyakit Hati Menggunakan Metode Fuzzy Tsukamoto Berbasis Android,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 2, no. 8, pp. 2373–2381, 2018.

W. Erawati, “Prediksi Penyakit Hati dengan Menggunakan Model Algoritma Neural Network,” J. Techno Nusa Mandiri, vol. XII, no. 2, pp. 157–166, 2015.

F. Bei and S. Sudin, “Analisis Sentimen Aplikasi Tiket Online Di Play Store Menggunakan Metode Support Vector Machine (SVM),” Sismatik, vol. 01, no. 01, pp. 91–97, 2021.

Normah, B. Rifai, S. Vambudi, and R. Maulana, “Analisa Sentimen Perkembangan Vtuber Dengan Metode Support Vector Machine Berbasis SMOTE,” J. Tek. Komput. AMIK BSI, vol. 8, no. 2, pp. 174–180, 2022, doi: 10.31294/jtk.v4i2.

R. A. Nurdian, Mujib Ridwan, and Ahmad Yusuf, “Komparasi Metode SMOTE dan ADASYN dalam Meningkatkan Performa Klasifikasi Herregistrasi Mahasiswa Baru,” J. Tek. Inform. dan Sist. Inf., vol. 8, no. 1, pp. 24–32, 2022, doi: 10.28932/jutisi.v8i1.4004.

I. Setiawati, A. P. Wibowo, and A. Hermawan, “Implementasi Decision Tree Untuk Mendiagnosis Penyakit Lever,” J. Inf. Syst. Manag., vol. 1, no. 1, pp. 13–17, 2019.

Prabiantissa Citra Nurina, “Klasifikasi pada Dataset Penyakit Hati Menggunakan Algoritma Support Vector Machine, K-NN, dan Naive Bayes,” Semin. Nas. Tek. Elektro, Sist. Informasi, dan Tek. Inform., vol. 1, no. 1, pp. 263–268, 2021.

A. S. Nugroho, A. B. Witarto, and D. Handoko, “Support Vector Machine Teori dan Aplikasinya dalam Bioinformatika,” Kuliah Umum Ilmu Komputer.Com, vol. 2, no. 1, pp. 842–847, 2020, doi: 10.1109/CCDC.2011.5968300.

N. D. Prayoga, N. Hidayat, and R. K. Dewi, “Sistem Diagnosis Penyakit Hati Menggunakan Metode Naïve Bayes,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 8, pp. 2666–2671, 2018.

P. A. Putri and H. Mustafidah, “Sistem Pakar untuk Mendiagnosa Penyakit Hati Menggunakan Metode Forward Chaining (Expert System for Diagnosing Liver Disease Using Forward Chaining),” Juita, vol. 1, no. 4, pp. 2086–9398, 2011.

M. I. Parapat, M. T. Furqon, and Sutrisno, “Penerapan Metode Support Vector Machine (SVM) Pada Klasifikasi Penyimpangan Tumbuh Kembang Anak,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 10, pp. 3165–3166, 2018, [Online]. Available: http://j-ptiik.ub.ac.id.

S. Widaningsih, “Perbandingan Metode Data Mining Untuk Prediksi Nilai Dan Waktu Kelulusan Mahasiswa Prodi Teknik Informatika Dengan Algoritma C4,5, Naïve Bayes, Knn Dan Svm,” J. Tekno Insentif, vol. 13, no. 1, pp. 16–25, 2019, doi: 10.36787/jti.v13i1.78.

N. W. S. Agustini, D. Priadi, and R. V. Atika, “Klasifikasi Penyakit Gigi dan Mulut Menggunakan Metode Support Vector Machine,” J. Pengemb. Teknol. Inf. dan Illmu Komput., vol. 2, no. 2, pp. 802–810, 2018, doi: 10.15578/jpbkp.v17i1.781.

R. Azmatul Barro, I. D. Sulvianti, and M. Afendi, “Penerapan Synthetic Minority Oversampling Technique (Smote) Terhadap Data Tidak Seimbang Pada Pembuatan Model Komposisi Jamu,” Xplore J. Stat., vol. 1, no. 1, pp. 1–6, 2013.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2024 Buletin Sistem Informasi dan Teknologi Islam (BUSITI)

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.