DIAGNOSA PENYAKIT SALURAN PERNAPASAN DENGAN MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM)

  • Zeth A. Leleury Jurusan Matematika FMIPA Universitas Pattimura
  • Berny P. Tomasouw Jurusan Matematika FMIPA Universitas Pattimura
Keywords: Penyakit saluran pernapasan, SVM.

Abstract

Support Vector Machine (SVM) telah banyak digunakan untuk membantu menyelesaikan berbagai macam permasalahan dalam rangka pengambilan keputusan berdasarkan pelatihan yang diberikan. Aplikasi SVM dapat diterapkan dalam berbagai bidang, salah satunya dalam bidang kesehatan. Dalam penelitian ini, aplikasi SVM digunakan untuk mendiagnosa penyakit saluran pernapasa khususnya pada penyakit Tuberculosis, Asma, Sinusitis, Bronchitis, Pneumonia, dan ISPA berdasarkan gejala-gejala dari penyakit saluran pernapasan tersebut. Data yang digunakan dalam penelitian ini sebanyak 77 data, 56 data untuk pelatihan dan 21 data untuk pengujian. Data di atas diperoleh dari ruang rekam medis RSUD Dr. M. Haulussy Ambon. Dalam penelitian ini, diujicobakan variasi fungsi kernel pada SVM untuk mendapatkan tingkat keakuratan yang terbaik. Tingkat keakuratan terbaik dari pengujian 21 data diperoleh sebesar 80.95%.

Downloads

Download data is not yet available.

References

[1] S. Abe, Support Vector Machines for Pattern Classification, Second penyunt., London: Springer-Verlag, 2010.
[2] H. Sasrawan, “Kehidupan Awal Masyarakat Indonesia,” 2 Januari 2013. [Online]. Available: http://hedisasrawan.blogspot.co.id/2013/01/kehidupan-awal-masyarakat-indonesia.html?m=1. [Diakses 5 November 2015].
[3] N. I. Pradasari, F. T. P. W. dan D. Triyanto, “Aplikasi Jaringan Saraf Tiruan untuk memprediksi Penyakit Saluran Pernapasan dengan Metode Backpropagation,” Jurnal Coding Sistem Komputer Untan, vol. 1, no. 1, 2013.
[4] L. Fausett, Fundamentals of Neural Network: Architectures, Fundamentals, and Applications, New Jersey: Prentice-Hall, Inc., 1994.
Published
2018-02-01
How to Cite
[1]
Z. Leleury and B. Tomasouw, “DIAGNOSA PENYAKIT SALURAN PERNAPASAN DENGAN MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM)”, BAREKENG, vol. 9, no. 2, pp. 109-119, Feb. 2018.

Most read articles by the same author(s)

1 2 > >>