Klasifikasi Tingkat Kepositifan Pengidap Penyakit Jantung Dengan Pendekatan Algoritma SVM Berbasis Both Kernel (Linear Dan Polynomial)
Article Sidebar
Main Article Content
Abstract
Penyakit jantung adalah kondisi dengan angka kematian yang signifikan, menyebabkan sekitar 12 juta kematian setiap tahun di seluruh dunia. Fakta ini menunjukkan pentingnya mendeteksi penyakit jantung pada tahap awal. Namun, diagnosa penyakit ini menjadi sebuah tantangan yang berat karena adanya hubungan yang rumit antara karakteristik penyakit jantung. Oleh karena itu, pemahaman mengenai atribut kunci yang digunakan dalam proses pengambilan keputusan atau klasifikasi penyakit jantung memiliki makna yang sangat penting. Dalam penelitian ini, Mesin Vektor Dukungan (SVM) digunakan sebagai alat Penelitian dengan berpusat pada penilaian penyakit jantung berdasarkan kondisi kesehatan pasien. Data medis digunakan sebagai variabel prediksi utama dalam penelitian ini. Hasil prediksi akan menetapkan penilaian 1 jika terdapat indikasi penyakit jantung pada pasien, dan sebaliknya, akan memberikan penilaian 0 jika tidak ada penyakit jantung yang terdeteksi. Proses pelatihan model SVM ini dilakukan dengan menggunakan bahasa pemrograman Python.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
Syamsiah and A. Darwaman, “Analisa Particle Swarm Optimization Terhadap Kepuasan,” Semin. Nas. Ris. dan Teknol. (SEMNAS RISTEK), pp. 143–148, 2020.
H. Azis, P. Purnawansyah, F. Fattah, and I. P. Putri, “Performa Klasifikasi K-NN dan Cross Validation Pada Data Pasien Pengidap Penyakit Jantung,” Ilk. J. Ilm., vol. 12, no. 2, pp. 81–86, 2020, doi: 10.33096/ilkom.v12i2.507.81-86.
A. Arifullah, M. Risnawaty, and A. Riza, “Saat ini banyak makanan yang siap saji dijual di mana-mana seperti di cafe , restoran dan warung- warung makan pinggir jalan . Makanan tidak sehat tersebut memiliki kandungan garam , gula dan lemak berlebihan yang tidak baik untuk kesehatan . Dengan adany,” no. 80, pp. 1–10, 1945.
A. Achmad, A. Adnan, and M. Rijal, “Klasifikasi Penyakit Pernapasan berbasis Visualisasi Suara menggunakan Metode Support Vector Machine,” J. SISKOM-KB (Sistem Komput. dan Kecerdasan Buatan), vol. 6, no. 1, pp. 78–83, 2022, doi: 10.47970/siskom-kb.v6i1.330.
D. Rusdiaman and D. Rosiyadi, “Analisa Sentimen Terhadap Tokoh Publik Menggunakan Metode Naïve Bayes Classifier Dan Support Vector Machine,” J. Comput. Eng. Syst. Sci., vol. 4, no. 2, pp. 2502–7131, 2019.
W. S. Dharmawan, “I N F O R M a T I K a Dalam Prediksi Penyakit Jantung,” J. Inform. Manaj. dan Komput., vol. 13, no. 2, pp. 31–41, 2021.
R. Annisa, “Analisis Komparasi Algoritma Klasifikasi Data Mining Untuk Prediksi Penderita Penyakit Jantung,” J. Tek. Inform. Kaputama, vol. 3, no. 1, pp. 22–28, 2019.
H. Amalia, “Perbandingan Metode Data Mining Svm Dan Nn Untuk Klasifikasi Penyakit Ginjal Kronis,” Maret, vol. 14, no. 1, p. 1, 2018.
A. Damayunita, R. S. Fuadi, and C. Juliane, “Comparative Analysis of Naive Bayes, K-Nearest Neighbors (KNN), and Support Vector Machine (SVM) Algorithms for Classification of Heart Disease Patients,” J. Online Inform., vol. 7, no. 2, pp. 219–225, 2022, doi: 10.15575/join.v7i2.919.
F. Handayani, “Komparasi Support Vector Machine, Logistic Regression Dan Artificial Neural Network Dalam Prediksi Penyakit Jantung,” J. Edukasi dan Penelit. Inform., vol. 7, no. 3, p. 329, 2021, doi: 10.26418/jp.v7i3.48053.