Biantong, Tryse Rezza (2018) Implementasi Metode Support Vector Machine Untuk Klasifikasi Jenis Penyakit Malaria. Sarjana thesis, Universitas Brawijaya.
Abstract
Malaria merupakan suatu penyakit yang ditularkan oleh nyamuk Anopheles betina yang terinfeksi oleh suatu parasit (protozoa) yang berasal dari genus Plasmodium. Terdapat empat spesies parasit protozoa yang umumnya menyerang manusia, diantaranya: Plasmodium vivax yang menyebabkan malaria tertiana, Plasmodium falciparum menyebabkan malaria tropika, Plasmodium malariae menyebabkan malaria kuartana, dan Plasmodium ovale menyebabkan malaria ovale. Dari keempat penyakit malaria ini memiliki gejala yang hampir sama sehingga tidak mudah untuk membedakan antara jenis malaria yang satu dengan yang lain. Maka dari itu, dibutuhkan suatu sistem yang dapat mengklasifikasan jenis penyakit malaria berdasarkan gejala yang ditimbulkan. Klasifikasi merupakan pembuatan suatu model yang digunakan untuk mengelompokkan suatu objek yang memiliki ciri-ciri yang sama ke dalam suatu kelas yang telah ditentukan. Salah satu metode klasifikasi adalah Support Vector Machine (SVM). Oleh karena itu dalam penelitian ini digunakan algoritma klasifikasi SVM dengan menggunakan kernel RBF. Data yang digunakan sebanyak 200 data yang diambil dari Dinas Kesehatan Kabupaten Nabire, Papua. Pada pengujian ini digunakan K-fold Cross Validation dengan nilai K-fold=10. Hasil akurasi terbaik yang dihasilkan oleh sistem ini adalah 72% dengan nilai parameter
English Abstract
Malaria is a disease transmitted by female Anopheles mosquitoes infected by a parasite (protozoa) originating from the genus Plasmodium. There are four species of protozoa parasites that commonly attack humans, including: Plasmodium vivax which causes malaria tertiana, Plasmodium falciparum causes malaria tropica, Plasmodium malariae causes malaria quartana, and Plasmodium ovale causes malaria ovale. These four malaria cases almost have the same symptoms, so it is not easy to distinguish between one to another. Therefore, a system that can classify these types of malaria based on the symptoms is needed. Classification is the creation of a model that is used to classify an object into a predetermined class based on the same characteristics. One of the classification method is Support Vector Machine (SVM). Therefore the SVMs classification algorithm using the RBF kernel is being used in this study. The data used were 200 data taken from Dinas Kesehatan Kabupaten Nabire, Papua. In this test used Kfold Cross Validation with the K-fold values = 10. The best accuracy results generated by this system is 72.5% with the value of the parameter
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/849/051811373 |
| Uncontrolled Keywords: | Malaria, Klasifikasi, Support Vector Machine, One Against All Malaria, Classification, Support Vector Machine, One Against All |
| Subjects: | 600 Technology (Applied sciences) > 616 Diseases > 616.9 Other disease > 616.93 Clostridium infections, diphtheria, cholera, dysenteries, protozoan infections > 616.936 Protozoan infections > 616.936 2 Malaria > 616.936 202 85 Malaria (Computer applications) |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 13 Mar 2019 03:17 |
| Last Modified: | 25 Oct 2021 02:12 |
| URI: | http://repository.ub.ac.id/id/eprint/161775 |
Preview |
Text
Tryse Rezza Biantong.pdf Download (6MB) | Preview |
Actions (login required)
 |
View Item |