Text

Klasifikasi Pasien Diabetes Mellitus Menggunakan Metode Smooth Support Vector Machine (SSVM)

---

ABSTRAK

Diabetes Mellitus (DM) adalah salah satu penyakit metabolik yang berisiko tinggi. Untuk mengetahui kriteria-kriteria seseorang menderita penyakit DM, dilakukan serangkaian uji laboratorium untuk mengetahui faktor-faktor yang berpengaruh terhadap adanya penyakit DM. Dari data laboratorium yang didapatkan, akan diketahui pasien positif menderita penyakit DM atau tidak. Oleh karena itu, akan dilakukan analisis klasifikasi untuk mengetahui ketepatan klasifikasi yang sudah dilakukan. Salah satu metode untuk melakukan klasifikasi adalah Support Vector Machine (SVM). Konsep dasar SVM adalah mencari fungsi pemisah (hyperplane) terbaik yang memisahkan data sesuai dengan kelasnya. SVM menggunakan kernel trick untuk problem non linier, yang melakukan transformasi data ke ruang berdimensi tinggi menggunakan fungsi kernel, sehingga dapat diklasifikasi secara linier. Pada penelitian ini, akan digunakan metode pengembangan dari SVM untuk mengklasifikasi data pasien penyakit DM yaitu Smooth Support Vector Machine (SSVM). SSVM menambahkan fungsi smoothing menggunakan metode Newton-Armijo untuk mengatasi masalah pada SVM yang tidak efisien untuk melakukan klasifikasi pada big data. Hasil penelitian ini menunjukkan bahwa akurasi prediksi klasifikasi SSVM menggunakan fungsi kernel Gaussian RBF sebesar 97,033% dapat mengklasifikasikan 98 dari 110 data pasien yang diuji secara benar sesuai dengan kelas asli.

Kata kunci : Diabetes Mellitus, Klasifikasi, Support Vector Machine (SVM), Smooth Support Vector Machine (SSVM), Kernel Gaussian RBF.

ABSTRACT

Diabetes Mellitus (DM) is one of high-risk metabolic diseases. To know the criteria of a person suffering from DM disease, a laboratorium examination deeds to determine the factors that affect the disease. From laboratory data obtained, will be known if the DM patient is positively suffer a disease or not. Therefore, it needs a method to classify to know the accuracy of the classification that has been done. One method to do a classification is the Support Vector Machine (SVM). The basic concept of SVM is finding the best separator function (hyperplane) that separates data according to its class. SVM uses kernel trick for a nonlinear problems which transforms data into high-dimensional space using kernel function, so it can be linearly classified. This research will be using a development of an SVM called Smooth Support Vector Machine (SSVM) to classify a data of DM patients. SSVM adds a Newton-Armijo function as a smoothing function to solve the problem of inefficiently SVM in classifying a large data. The results of this research shown that the accuracy of SSVM classification with Kernel Gaussian RBF is 97,033%, that cah classify 98 out of 101 patient data that perfectly match the original class data.

Keywords : Diabetes Mellitus, Classification, Support Vector Machine (SVM), Smooth Support Vector Machine (SSVM), Kernel Gaussian RBF.

---

Ketersediaan

568E17III

511.8 RIZ k

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

STATISTIKA

No. Panggil

511.8 RIZ k

Penerbit

: ., 2017

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

1596

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Rizky Adhi Nugroho

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar