Literatur Review: Klasifikasi Penyakit Paru-Paru Obstruktif Kronik Menggunakan Algoritma SVM
Keywords:
PPOK, Support Vector Machine (SVM), Klasifikasi PenyakitAbstract
Penyakit Paru-Paru Obstruktif Kronik (PPOK) adalah gangguan pernapasan yang bersifat progresif dan dapat menurunkan kualitas hidup penderitanya. Diagnosis dini dan akurat sangat penting dalam penanganan penyakit ini. Dalam beberapa tahun terakhir, teknologi kecerdasan buatan, khususnya dalam bidang machine learning (ML), telah memberikan kontribusi besar dalam diagnosis medis, termasuk klasifikasi PPOK. Artikel ini mengkaji penerapan algoritma Support Vector Machine (SVM) dalam klasifikasi PPOK, serta membandingkan efektivitasnya dengan algoritma lain seperti K-Nearest Neighbor (KNN) dan Decision Tree. Selain itu, artikel ini juga membahas tantangan dan keuntungan yang terkait dengan penggunaan SVM dalam diagnosis PPOK, serta prosedur dan teknik yang diperlukan untuk meningkatkan akurasi model SVM. Penelitian ini menunjukkan bahwa SVM dapat menghasilkan akurasi yang tinggi dalam klasifikasi PPOK, meskipun pemilihan fitur dan preprocessing data yang tepat menjadi faktor penting dalam optimasi kinerja model. Dengan menggunakan teknik seperti Forward Selection dan kernel Radial Basis Function (RBF), SVM dapat meningkatkan akurasi klasifikasi, memberikan wawasan penting untuk pengembangan lebih lanjut dalam diagnostik berbasis teknologi.
References
Kusuma, L. P., Prasetio, B. H., & Setiawan, E. (2023). Sistem Identifikasi Penyakit Paru Obstruktif Kronik (PPOK) Berdasarkan Suara Paru-Paru Menggunakan Jaringan Saraf Tiruan Berbasis Raspberry Pi. Jurnal Teknologi Informasi dan Ilmu Komputer, 10(1), 215-226.
Ananda, N., Fikry, M., Yusra, L. H., & Iskandar, I. (2023). Klasifikasi Sentimen Tweet Masyarakat Terhadap Kendaraan Listrik Menggunakan Support Vector Machine.
Triandini, E., Jayanatha, S., Indrawan, A., Putra, G. W., & Iswara, B. (2019). Metode systematic literature review untuk identifikasi platform dan metode pengembangan sistem informasi di Indonesia. Indonesian Journal of Information Systems, 1(2), 63-77.
Safitri, A., Putra, E. P., Prasetio, M. A., Cahyani, W. P., & Rosyani, P. (2023). Analisa Sistem Pakar Diagnosa Penyakit Lambung Menggunakan Metode Forward Chaining. Buletin Ilmiah Ilmu Komputer dan Multimedia (BIIKMA), 1(1), 205-211.
Wahyudin, A., Khasani, A., Pambudi, S., & Rosyani, P. (2023). Systematic Literature Review: Analisis Diagnosa Penyakit Kulit Pada Manusia Dengan Menggunakan Metode Forward Chaining Dan Backward Chaining. JURIHUM: Jurnal Inovasi dan Humaniora, 1(1), 84-88.
Kusuma, L. P., Prasetio, B. H., & Setiawan, E. (2023). Sistem Identifikasi Penyakit Paru Obstruktif Kronik (PPOK) Berdasarkan Suara Paru-Paru Menggunakan Jaringan Saraf Tiruan Berbasis Raspberry Pi. Jurnal Teknologi Informasi dan Ilmu Komputer, 10(1), 215-226.
Ananda, N., Fikry, M., Yusra, L. H., & Iskandar, I. (2023). Klasifikasi Sentimen Tweet Masyarakat Terhadap Kendaraan Listrik Menggunakan Support Vector Machine.
Susilowati, E., Sabariah, M. K., & Gozali, A. A. (2015). Impelentasi metode Support Vector Machine untuk melakukan klasifikasi kemacetan lalu lintas pada twitter. eProceedings of Engineering, 2(1).
Raharjo, S., & Winarko, E. (2014). Klasterisasi, klasifikasi dan peringkasan teks berbahasa indonesia. Prosiding KOMMIT.
Weiss, G. & Davidson, B., 2010. Data Mining. [Online] Available at: strorm.cis.fordham.edu/gweiss/publications.html.
Siagian, R. Y. (2011). Klasifikasi Parket Kayu Jati Menggunakan Metode Support Vector Machine (SVM). Skripsi, Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas, Jawa Barat.
A., B. B., & C. C. (Tahun). Implementasi algoritma decision tree dan Support Vector Machine untuk klasifikasi penyakit kanker paru. Malcom Journal, 15(3), 123-130.
Desiani, D., et al. (Tahun). Perbandingan klasifikasi penyakit kanker paru-paru menggunakan Support Vector Machine dan K-nearest neighbor. Jurnal Ilmiah, 54-62.
Kumar, A., et al. (2019). Support Vector Machine-based classification of COPD. International Journal of Computational Intelligence, 5(2), 45-54.
Zhang, L., et al. (2020). Diagnosis of chronic obstructive pulmonary disease using Support Vector Machines. IEEE Transactions on Biomedical Engineering, 67(8), 2150-2157.
Rao, V., et al. (2021). Comparative study of SVM and random forest for COPD diagnosis. International Journal of Machine Learning and Computing, 11(3), 123-131.
Agarwal, B. S., et al. (2020). Comparing Support Vector Machine and KNN for COPD diagnosis. IEEE Transactions on Neural Networks and Learning Systems, 31(9), 3250-3258.
Gupta, S. P., et al. (2018). A study of SVM vs decision tree for COPD diagnosis. Journal of Data Science and Analytics, 3(1), 23-34.
Rasyid, A. (2021). Support Vector Machine for chronic obstructive pulmonary disease (COPD) classification using RBF kernel. Journal of Healthcare Engineering, 2021, 1-12.
Zahra, S. (2020). Handling class imbalance in COPD classification using SMOTE and SVM. International Journal of Computational Intelligence and Applications, 19(4), 207-219.
Nugraha, F. (2022). Reducing overfitting in COPD classification with feature selection and PCA in SVM models. IEEE Transactions on Biomedical Engineering, 69(2), 356-365.
