Text

Prediksi Gagal Ginjal Kronik Menggunakan Algoritma Support Vector Machine Berbasis Particle Swarm Optimization (Studi Kasus: RS Roemani Muhammadiyah Kota Semarang)

---

Gagal ginjal kronik merupakan perkembangan penyakit ginjal yang bersifat
progresif yang tingkat kematiannya menempati peringkat ke-12 tertinggi di dunia.
Beberapa faktor yang dapat menyebabkan gagal ginjal kronik diantaranya usia,
jenis kelamin, berat badan, tekanan darah, kadar hemoglobin, kadar ureum, dan
kadar kreatinin. Data pada penelitian ini adalah data pasien normal dan pasien gagal
ginjal kronik Rumah Sakit Roemani Muhammadiyah Kota Semarang tahun 2022.
Penelitian ini akan mengklasifikasikan pasien positif dan negatif gagal ginjal kronik
menggunakan algoritma Support Vector Machine (SVM). SVM adalah suatu
metode untuk mencari hyperplane terbaik. Algoritma SVM memiliki kelebihan
dapat bekerja pada ruang dimensi tinggi, tetapi algoritma SVM juga memiliki
kekurangan yaitu sulit untuk menemukan parameter optimal secara akurat.
Optimasi parameter perlu dilakukan agar dapat ditemukan parameter yang optimal.
Optimasi parameter dilakukan dengan pencarian parameter terbaik dari algoritma
Support Vector Machine dengan Particle Swarm Optimization (PSO). Algoritma
PSO terinspirasi dari perilaku sosial kumpulan burung dan serangga, yang dapat
digunakan untuk optimasi parameter terutama pada machine learning.
Implementasi algoritma PSO pada SVM diharapkan dapat meningkatkan akurasi
model dalam klasifikasi penyakit gagal ginjal kronik. Hasil penelitian didapatkan
algoritma SVM-PSO menghasilkan performa lebih baik dengan accuracy
(98,60%), recall (86,89%), dan nilai AUC (96,00%).
Kata kunci: Gagal Ginjal Kronik, Machine Learning, Klasifikasi, SVM, PSO

---

Ketersediaan

1164 E 2023

1164 E 2023

Perpustakaan FSM Undip

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

1164 E 2023

Penerbit

: ., 2023

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar