Perdana, Arya (2018) Penerapan Algoritma Support Vector Machine (SVM) Pada Pengklasifikasian Penyakit Kejiwaan Skizofrenia (Studi Kasus: RSJ. Radjiman Wediodiningrat, Lawang). Sarjana thesis, Universitas Brawijaya.
Abstract
Skizofrenia merupakan penyakit yang menyerang kejiwaan sesorang, sehingga mengakibatkan tingkah laku dengan pola pikir tidak sesuai. Salah satu penyebab seseorang menderita skizofrenia adalah stress dan juga memiliki tekanan hidup yang berat dari berbagai aspek kehidupan. Support Vector Machine (SVM) adalah suatu algoritme yang dapat mengklasifikasikan jenis penyakit skizofrenia. Data yang digunakan pada penelitian ini adalah sebanyak 11 data yang terbagi menjadi 5 kelas. Kelas pada penelitian ini mewakilkan 5 jenis penyakit pada Skizofrenia yaitu paranoid, hebefrenik, katatonik, undifferentiated, dan simpleks. Pada dasarnya algoritme SVM merupakan metode klasifikasi linear, sehingga digunakan suatu kernel untuk mengatasi data yang bersifat nonlinear. Pada penelitian ini digunakan juga konsep One Against All untuk mengatasi permasalahan multiclass. Hasil akhir dari penelitian ini menghasilkan rata-rata akurasi tertinggi sebesar 50,09 %, dengan nilai konstanta A = 1; C = 0,1; y = 0,1; itermax = 100; £ = 0,01; dan juga menggunakan kernel polynomial. Pengujian pada penelitian ini menggunakan pengujian K-Fold Cross Validation, dengan menggunakan 11 fold.
English Abstract
Schizophrenia is a disease that attacks a person's psyche, and resulting in behavior with an inappropriate mindset. One of the causes of a person suffering from schizophrenia is stress and also has severe life pressures from various aspects of life. Support Vector Machine (SVM) is an algorithm that can classify types of schizophrenia. The data used in this research is as much as 11 data which is divided into 5 classes. Classes in this study represent five types of diseases in schizophrenia are paranoid, hebefrenik, catatonic, undifferentiated, and simplex. Basically SVM algorithm is a method of linear classification, so that a kernel is used to overcome nonlinear data. In this research is also used One Against All concept to solve multiclass problem. The end result of this research resulted in the highest accuracy of 50.09%, with constant value A = 1; C = 0,1; y = 0.1; itermax = 100; e = 0.01; and also uses polynomial kernels. Tests in this study using K-Fold Cross Validation test, using 11 fold.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/26/051800763 |
| Uncontrolled Keywords: | Skizofrenia, Support Vector Machine, One Against All |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Yusuf Dwi N. |
| Date Deposited: | 06 Jun 2018 02:40 |
| Last Modified: | 26 Oct 2021 06:59 |
| URI: | http://repository.ub.ac.id/id/eprint/11446 |
Preview |
Text
BAB II.pdf Download (1MB) | Preview |
Preview |
Text
BAB I.pdf Download (706kB) | Preview |
Preview |
Text
BAB V.pdf Download (1MB) | Preview |
Preview |
Text
BAB III.pdf Download (689kB) | Preview |
Preview |
Text
BAB IV.pdf Download (1MB) | Preview |
Preview |
Text
BAB VI.pdf Download (732kB) | Preview |
Preview |
Text
BAB VII.pdf Download (597kB) | Preview |
Preview |
Text
Bagian Depan.pdf Download (1MB) | Preview |
Preview |
Text
Daftar Pustaka.pdf Download (469kB) | Preview |
Preview |
Text
LAMPIRAN 1.pdf Download (354kB) | Preview |
Preview |
Text
LAMPIRAN 2.pdf Download (1MB) | Preview |
Preview |
Text
abs.pdf Download (65kB) | Preview |
Preview |
Text
abs2.pdf Download (95kB) | Preview |
Actions (login required)
 |
View Item |