Fadilah, Nurul Ihsani (2018) Implementasi Algoritma Support Vector Machine (SVM) Untuk Klasifikasi Penyakit Dengan Gejala Demam. Sarjana thesis, Universitas Brawijaya.
Abstract
Penyakit menular pada manusia memiliki salah satu gejala umum yaitu gejala demam. Dalam beberapa kasus, terdapat gejala demam yang menular pada tubuh manusia melalui media vektor penyakit yang disebabkan oleh serangga atau disebut juga dengan istilah penularan penyakit melalui media Arthropod-borne disease. Terdapat tiga penyakit dengan gejala demam yang penularannya terjadi melalui media Arthropod-borne disease yaitu Demam Berdarah, Malaria dan Demam Tifoid. Penyakit tersebut memiliki gejala klinis yang hampir sama sehingga cukup sulit melakukan diagnosis penyakit yang diderita oleh pasien. Dengan jumlah penderita yang besar dan resiko kematian yang tinggi pada penyakit ini, perlu adanya sebuah sistem yang dapat membedakan ketiga penyakit ini dengan cepat dan tepat. Untuk memecahkan permasalah tersebut, dibuat sebuah sistem yang dapat melakukan klasifikasi penyakit dengan gejala demam menggunakan algoritme Support Vector Machine (SVM). Penelitian ini menggunakan 130 dataset yang memiliki 15 parameter. Dataset dibagi menjadi data latih dan data uji dengan menggunakan metode K-Fold Cross Validation, dengan k=10. Sebelum mendapatkan hasil klasifikasi penyakit dengan gejala demam, dilakukan proses training dan testing dengan melakukan proses perhitungan yaitu perhitungan kernel dengan menggunakan kernel polynomial, perhitungan matriks Hessian, perhitungan nilai Ei, perhitungan nilai delta alpha, perhitungan nilai alpha, perhitungan nilai bobot, perhitungan bias, perhitungan nilai f(x) level 1, dan perhitungan nilai f(x) level 2. Hasil akhir dari implementasi algoritma Support Vector Machine untuk peyakit dengan gejala demam adalah akurasi dari ketepatan sistem dalam mengklasifikasi kelas demam berdarah, kelas malaria dan kelas tifoid sehingga didapatkan hasil akurasi terbaik dengan menggunakan metode k-fold cross validation, dengan k=10, pembagian rasio data = 90%:10%, dan parameter yang digunakan adalah lamda = 0.5, gamma = 0. 01, C (complexity) = 1, epsilon = 0.0001, iterasi maksimum = 20, sehingga rata-rata akurasi yang didapatkan yaitu 99.23%.
English Abstract
Infectious disease in humans have one of the general indications, that is Fever. In some cases, there are symptoms of fever that are transmitted to the human body through a vector-borne disease caused vector or also called disease transmission through the Arthropod-borne disease medium. There are three diseases with symptoms of fever that transmission of disease occurs by the media Arthropod-borne disease, such as Dengue Fever, Malaria, and Typhoid. The disease has almost the same clinical symptoms, so it is difficult to make a diagnosis of the disease suffered by the patient. Because of a large number of patient and a high risk of death in this disease, need a system that can distinguish these three diseases quickly and precisely. To solve the problem, the system is needed to classify the disease with fever symptoms using the Support Vector Machine (SVM) algorithm. This research uses 130 datasets that have 15 parameters. The dataset is divided into train data and test data by using K-Fold Cross Validation method, with k=10. Before getting the classification of the disease with symptoms of fever, the process of training and testing must be done by calculating using polynomial kernel, Hessian matrix calculation, Ei value calculation, delta alpha value calculation, alpha value calculation, weight value calculation, bias value calculation, calculating the value of f(x) in level 1, and calculating the value of (x) in level2. The final result from Support Vector Machine algorithm implementation for disease with symptoms of fever is the accuracy of the system capabilities in classifying dengue fever class, malaria class, and typhoid class. So, the best average value of accuracy in this implementation is 99.23%, using k-fold cross validation, with k=10, division of data ratio=90%:10%, and the parameters used are lamda=0.5, gamma=0.01, C(Complexity)=1, epsilon=0.0001, maximum iteration=20.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FTIK/2018/434/051807594 |
Uncontrolled Keywords: | klasifikasi, demam, Support Vector Machine (SVM), K-fold Cross Validation, kernel polynomial classification, fever, Support Vector Machine (SVM), K-fold Cross Validation, polynomial kernel |
Subjects: | 600 Technology (Applied sciences) > 616 Diseases > 616.04 Special medical conditions > 616.047 Symptoms and general pathological processes as problems in their own right |
Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
Depositing User: | Budi Wahyono Wahyono |
Date Deposited: | 02 Apr 2019 01:31 |
Last Modified: | 18 Oct 2021 06:43 |
URI: | http://repository.ub.ac.id/id/eprint/14027 |
Preview |
Text
Nurul Ihsani Fadilah.pdf Download (6MB) | Preview |
Actions (login required)
![]() |
View Item |