Metode Support Vector Machine untuk Klasifikasi Data Penyakit Hati yang Imbalance

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