Text

Klasifikasi Hepatitis C Virus (HCV) Menggunakan Principal Component Analysis (PCA) dan Support Vector Machine (SVM)

---

Hepatitis C Virus (HCV) merupakan salah satu virus penyebab hepatitis dan dianggap
sebagai virus penyebab hepatitis yang paling mematikan. Tahun 2021, sebanyak 1% atau 71
juta orang di seluruh dunia terinfeksi virus Hepatitis C (HCV) dimana 399.000 diantaranya
meninggal akibat sirosis hati. Penyakit hepatitis C apabila tidak ditangani dengan cepat dapat
menetap dan berkembang menjadi hepatitis C kronik. Melihat data penderita serta dampak
dari virus hepatitis C tersebut, perlu dilakukan penanganan untuk menghambat
perkembangan virus hepatitis C. Salah satu upaya yang dapat dilakukan adalah melakukan
screening untuk mendeteksi penyakit hepatitis C. Hal tersebut dapat dilakukan dengan
menerapkan data mining. Dalam data mining terdapat teknik klasifikasi, dengan
menggunakan klasifikasi dapat dimanfaatkan sebagai pendeteksian awal apakah pasien
memiliki kecenderungan penyakit hepatitis C atau tidak sehingga menjadi sebuah solusi
bantuan untuk tenaga medis dalam pengambilan keputusan terhadap diagnosis penyakit
pasien. Berdasarkan penelitian terdahulu, model klasifikasi HCV dengan Algoritma SVM
memiliki akurasi rendah. Dalam penelitian ini akan mengkombinasikan ekstraksi fitur PCA
untuk meningkatkan akurasi SVM. Hasil akurasi pada penelitian ini dari model klasifikasi
HCV dengan menggunakan algoritma SVM sebesar 91,057%, kemudian dikombinasikan
dengan PCA, hasil akurasi meningkat menjadi 94,309%. Komponen pada PCA yang optimal
ada pada 10 PC.
Kata kunci: Principal Component Analsysis, klasifikasi, HCV, Support Vector Machine,
data mining, hepatitis

---

Ketersediaan

1217F2023

1217 F 2023

Perpustakaan FSM Undip

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

1217 F 2023

Penerbit

: .,

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Novendra Aliffian Ramadhan

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar