Akbar, AfrizalLaksita (2015) Implementasi Algoritma Svm (Support Vector Machine) Untuk Mengetahui Tingkat Risiko Penyakit Stroke. Sarjana thesis, Universitas Brawijaya.
Abstract
Penyakit stroke adalah gangguan peredaraan darah di otak, dimana pasokan oksigen dan nutrisi tersumbat. Hal ini mengakibatkan sel saraf di otak mati dan bisa menyebabkan sebagian dari tubuh mengalami kelumpuhan atau bahkan bisa menyebabkan kematian. Penyakit stroke pada prinsipnya bisa dicegah, akan tetapi pada tahap deteksi awal yang diberikan kepada pasien, dibutuhkan waktu yang relatif lama. Oleh karena itu, dibutuhkan sistem yang dapat mempercepat dan memudahkan pendeteksian awal penyakit stroke. Salah satu teknik yang dapat dipakai adalah klasifikasi menggunakan metode Support Vector Machine (SVM). Metode Support Vector Machine (SVM) bertujuan untuk membuat hyperplane atau garis pemisah yang optimal. Kemudian metode Support Vector Machine (SVM) tersebut akan dioptimasi menggunakan metode Simplified Sequential Minimal Optimization (Simplified SMO) agar mendapatkan nilai bobot data yang optimal. Pada penelitian ini digunakan data sebanyak 200. Dimana data normal sebanyak 118, data rentan sebanyak 37, dan data mengkhawatirkan sebanyak 45. Dari hasil pengujian, didapatkan akurasi terbaik adalah ketika pengujian Cross Validation dimana dihasilkan rata-rata akurasi sebesar 0,8939 pada saat panjang fold 5 dengan nilai parameter epsilon 0,001 dan cost 10. Sedangkan standar deviasi terbaik adalah ketika pengujian Cross Validation dimana dihasilkan standar deviasi 0,1005 pada saat panjang fold 10 dengan nilai parameter epsilon 0,001 dan cost 10.
English Abstract
Stroke is a disorder of blood cyrculation in the brain, where supplies of oxygen and nutrients are blocked. This has resulted in nerve cells in the brain die and can cause a portion of the body experiencing paralysis or even death may result. Stroke can be prevented in principle, but at the stage of early detection are given to the patient, it takes a relatively long time. Therefore, it needs a system that can speed up and facilitate the early detection of the disease stroke. One technique that can be used is the classification method using Support Vector Machine (SVM). Method of Support Vector Machine (SVM) aims to create a dividing line or hyperplane that is optimal. Then the Support Vector Machine method (SVM) will be optimized using methods Simplified Sequential Minimal Optimization (Simplified SMO) in order to get the optimal data weighting value. This research used data on as many as 200. Where data normally as much as 118, vulnerable data as much as 37, and alarming data as many as 45. From the test results, the best accuracy is obtained when testing the resulting Cross Validation where an average accuracy of 0,8939 at the time length of the fold is 5 with the epsilon parameter values 0.001 and cost 10. While the standard deviation is best when testing the Cross Validation where the resulting standard deviation 0,1005 at a time when the length parameter of fold is 10 and the value of epsilon parameter 0.001 and cost 10.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2015/75/051500964 |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 10 Feb 2015 13:42 |
| Last Modified: | 21 Oct 2021 04:07 |
| URI: | http://repository.ub.ac.id/id/eprint/146600 |
Preview |
Text
1._All.pdf Download (12MB) | Preview |
Actions (login required)
 |
View Item |