Klasifikasi Penyakit Menular Dengan Algoritma Machine Learning Berbasis SVM
Keywords:
Penyakit Menular, Klasifikasi, Support Vector Machine, Pembelajaran Mesin, Deteksi PenyakitAbstract
Penyakit menular merupakan salah satu masalah kesehatan global yang memerlukan penanganan cepat dan akurat. Untuk itu, deteksi dan klasifikasi penyakit menular secara efisien sangat penting dalam upaya pencegahan dan pengendalian penyebarannya. Dalam penelitian ini, kami mengusulkan penggunaan algoritma Support Vector Machine (SVM) untuk klasifikasi penyakit menular berdasarkan data yang tersedia. Metode SVM dipilih karena kemampuannya dalam mengklasifikasikan data dengan dimensi tinggi dan menghasilkan model yang akurat, bahkan dengan dataset yang relatif kecil. Penelitian ini menggunakan data yang mencakup berbagai fitur medis yang relevan, seperti gejala, riwayat perjalanan, dan faktor risiko, yang kemudian diproses dan diklasifikasikan ke dalam kategori penyakit menular yang berbeda. Hasil eksperimen menunjukkan bahwa SVM dapat mencapai tingkat akurasi yang tinggi dalam mengidentifikasi jenis penyakit menular, dengan performa yang lebih baik dibandingkan beberapa algoritma pembelajaran mesin lainnya. Selain itu, penelitian ini juga mengeksplorasi penggunaan teknik pengoptimalan parameter untuk meningkatkan kinerja model SVM. Secara keseluruhan, pendekatan ini menunjukkan potensi besar dalam aplikasi kesehatan masyarakat, khususnya dalam diagnosis cepat dan pencegahan penyebaran penyakit menular.
References
Alya Nurfaiza Azzahra, Junta Zeniarja, Ardytha Luthfiarta, Mufida Rahayu.(2024) Ensemble Klasifikasi Penyakit Tuberculosis Pada Hasil Pengobatan Menggunakan Metode Hybrid KNearest Neighbor (K-NN), Decision Tree dan Support Vector Machine (SVM)
Rohmatullah Sony Wijaya, Arie Qur’ania, Irma Anggraeni. (2024) Klasifikasi Penyakit Cacar Monyet Menggunakan Support Vector Machine (SVM)
Fauzan Azimah, Kiky Rizky Nova Wardani. (2022). Klasifikasi Deteksi Gejala Awal Covid-19 Dengan Metode Logistic Regression, Random Forest Classifier Dan Support Vector Machine
Hashri Hayati, Muhammad Riza Alifi.(2021) Analisis Sentimen Pada Tweet Terkait Vaksin Covid-19 Menggunakan Metode Support Vector Machine
Duta Firdaus Wicaksono, Ruri Suko Basuki, Dicky Setiawan. (2024). Peningkatan Performa Model Machine Learning XGBoost Classifier melalui Teknik Oversampling dalam Prediksi Penyakit AIDS
Rizky Hanifudin, Putri Rokhmayati, Nandi Pura Nugraha, Muhammad Afif Alrasyid, Perani Rosyani. (2023) Pemanfaatan Kecerdasan Buatan (Artificial Intelligence) Untuk Mendeteksi Hasil Ct Scan Paru-Paru Pasien Yang Terinfeksi Covid-19 Vol 1, no 2, 297-30
Candra Permana, Perani Rosyani. (2023) Aplikasi Sistem Pakar Diagnosa Penyakit Pada Ayam Dengan Metode Certainty Factor Berbasis Website Vol 2, no 1, 221-231
Pawit Wahib, Arya Tunggal Narotama, Nur Muhamad Rijki , Muhammad Firdaus Fitrananda,
Perani Rosyan. (2023) . Systematic Literature Review: Sistem Deteksi Penggunaan Masker Menggunakan Algoritma YOLO, Vol 1, no 1, 68-73
Astrid Noviriandini, Hermanto,Yudhistira. (2022) Klasifikasi Support Vector Machine berbasis particle swarm optimization untuk analisa sentimen pengguna aplikasi pedulilindungi
Aswin Ardiansyah, EnosC.O.Telaumbanua, Aron S. Gulto, Angelita A. S. M. Limbong. (2024) Klasifikasi penyakit diabetes menggunakan metode SVM dan KNN
