PENERAPAN METODE SUPPORT VECTOR MACHINE PADA DIAGNOSA HEPATITIS

Main Authors: Munawarah, Raudlatul, Soesanto, Oni, Faisal, Muhammad Reza
Other Authors: Ilmu Komputer, ULM, Unlam, Universitas Lambung Mangkurat
Format: Article info eJournal
Bahasa: eng
Terbitan: Lambung Mangkurat University , 2016
Online Access: http://klik.unlam.ac.id/index.php/klik/article/view/39
http://klik.unlam.ac.id/index.php/klik/article/view/39/37
ctrlnum article-39
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><title lang="en-US">PENERAPAN METODE SUPPORT VECTOR MACHINE PADA DIAGNOSA HEPATITIS</title><creator>Munawarah, Raudlatul</creator><creator>Soesanto, Oni</creator><creator>Faisal, Muhammad Reza</creator><description lang="en-US">Machine learning has been widely used in the medical to analyze medical datasets. One method in machine learning is Support Vector Machine (SVM). By looking at the concept of SVM method to finding the optimal separator function that can separate the two sets of data from two different classes, came the idea whether this method can be used to diagnose a person suffering from a particular disease or not, especially hepatitis. Therefore, this research aimed to determine and analyze the ability of Support Vector Machine method for diagnosing hepatitis. Analysis of the ability of method using data testing with both kernel with training data 100 positive data label and 100 negative data label. The result showed that trial using the linear kernel function get 68-83% for true prediction percentage and 70-96% for RBF kernel function. The conclusion from this study is SVM method can be used to diagnose hepatitis with high degree of accuracy and RBF kernel function has accuracy rate higher than linear kernel function. Keywords: classification, Machine learning, hepatitis, support vector machine Machine learning telah banyak digunakan dalam bidang medis untuk menganalisa dataset medis. Salah satu metode machine learning adalah Support Vector Machine (SVM). Dengan melihat konsep metode SVM yaitu menemukan fungsi pemisah optimal yang bisa memisahkan dua set data dari dua kelas yang berbeda, muncul pemikiran apakah metode ini dapat digunakan untuk mendiagnosa seseorang mengidap penyakit tertentu atau tidak, khususnya penyakit hepatitis. Untuk itu penelitian ini dilakukan untuk mengetahui dapat digunakannya metode SVM dan menganalisis kemampuan metode Support Vector Machine untuk mendiagnosa penyakit Hepatitis. Analisis kemampuan metode diketahui dengan uji coba menggunakan data testing dengan kedua kernel dengan data training 100 data positif dan 100 data negatif. Hasil uji coba dengan menggunakan fungsi kernel linier mendapatkan hasil persentase benar 68-83 % dan fungsi kernel RBF 70-96 %. Kesimpulan dari penelitian ini adalah metode SVM dapat digunakan untuk mendiagnosa penyakit hepatitis dengan tingkat akurasi cukup tinggi dan fungsi kernel RBF memiliki tingkat akurasi cenderung lebih tinggi dibandingkan fungsi kernel linier. Kata kunci : klasifikasi, machine learning, hepatitis, support vector machine</description><publisher lang="en-US">Lambung Mangkurat University</publisher><contributor lang="en-US">Ilmu Komputer, ULM, Unlam, Universitas Lambung Mangkurat</contributor><date>2016-04-28</date><type>Journal:Article</type><type>Other:info:eu-repo/semantics/publishedVersion</type><type>Journal:Article</type><type>Other:</type><identifier>http://klik.unlam.ac.id/index.php/klik/article/view/39</identifier><identifier>10.20527/klik.v3i1.39</identifier><source lang="en-US">KLIK - KUMPULAN JURNAL ILMU KOMPUTER; Vol 3, No 1 (2016); 103-113</source><source lang="id-ID">KLIK- KUMPULAN JURNAL ILMU KOMPUTER; Vol 3, No 1 (2016); 103-113</source><source>2443-406X</source><source>2406-7857</source><source>10.20527/klik.v3i1</source><language>eng</language><relation>http://klik.unlam.ac.id/index.php/klik/article/view/39/37</relation><rights lang="en-US">Copyright (c) 2016 KLIK - JURNAL ILMIAH ILMU KOMPUTER</rights><recordID>article-39</recordID></dc>
language eng
format Journal:Article
Journal
Other:info:eu-repo/semantics/publishedVersion
Other
Other:
Journal:eJournal
author Munawarah, Raudlatul
Soesanto, Oni
Faisal, Muhammad Reza
author2 Ilmu Komputer, ULM, Unlam, Universitas Lambung Mangkurat
title PENERAPAN METODE SUPPORT VECTOR MACHINE PADA DIAGNOSA HEPATITIS
publisher Lambung Mangkurat University
publishDate 2016
url http://klik.unlam.ac.id/index.php/klik/article/view/39
http://klik.unlam.ac.id/index.php/klik/article/view/39/37
contents Machine learning has been widely used in the medical to analyze medical datasets. One method in machine learning is Support Vector Machine (SVM). By looking at the concept of SVM method to finding the optimal separator function that can separate the two sets of data from two different classes, came the idea whether this method can be used to diagnose a person suffering from a particular disease or not, especially hepatitis. Therefore, this research aimed to determine and analyze the ability of Support Vector Machine method for diagnosing hepatitis. Analysis of the ability of method using data testing with both kernel with training data 100 positive data label and 100 negative data label. The result showed that trial using the linear kernel function get 68-83% for true prediction percentage and 70-96% for RBF kernel function. The conclusion from this study is SVM method can be used to diagnose hepatitis with high degree of accuracy and RBF kernel function has accuracy rate higher than linear kernel function. Keywords: classification, Machine learning, hepatitis, support vector machine Machine learning telah banyak digunakan dalam bidang medis untuk menganalisa dataset medis. Salah satu metode machine learning adalah Support Vector Machine (SVM). Dengan melihat konsep metode SVM yaitu menemukan fungsi pemisah optimal yang bisa memisahkan dua set data dari dua kelas yang berbeda, muncul pemikiran apakah metode ini dapat digunakan untuk mendiagnosa seseorang mengidap penyakit tertentu atau tidak, khususnya penyakit hepatitis. Untuk itu penelitian ini dilakukan untuk mengetahui dapat digunakannya metode SVM dan menganalisis kemampuan metode Support Vector Machine untuk mendiagnosa penyakit Hepatitis. Analisis kemampuan metode diketahui dengan uji coba menggunakan data testing dengan kedua kernel dengan data training 100 data positif dan 100 data negatif. Hasil uji coba dengan menggunakan fungsi kernel linier mendapatkan hasil persentase benar 68-83 % dan fungsi kernel RBF 70-96 %. Kesimpulan dari penelitian ini adalah metode SVM dapat digunakan untuk mendiagnosa penyakit hepatitis dengan tingkat akurasi cukup tinggi dan fungsi kernel RBF memiliki tingkat akurasi cenderung lebih tinggi dibandingkan fungsi kernel linier. Kata kunci : klasifikasi, machine learning, hepatitis, support vector machine
id IOS3976.article-39
institution Universitas Lambung Mangkurat
institution_id 161
institution_type library:university
library
library Perpustakaan Universitas Lambung Mangkurat
library_id 298
collection KLIK
repository_id 3976
subject_area Artificial Intelligence/Kecerdasan Buatan
Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika
Decision Making Management/Manajemen Pengambilan Keputusan
Computer Communications Networks/Jaringan Komunikasi Komputer
city KOTA BANJARMASIN
province KALIMANTAN SELATAN
shared_to_ipusnas_str 1
repoId IOS3976
first_indexed 2017-03-01T14:38:13Z
last_indexed 2018-02-20T01:11:29Z
recordtype dc
_version_ 1680514092289228800
score 17.15323