Literature Review: Klasifikasi Penyakit Menular Dengan Algoritma Machine Learning Berbasis SVM
Keywords:
Machine Learning, Support Vector Machine, Penyakit MenularAbstract
Salah satu tantangan kesehatan global adalah penyakit menular, yang membutuhkan pendekatan inovatif untuk diagnosis dan pencegahan. Penelitian ini menyelidiki penggunaan algoritma Support Vector Machine (SVM) dalam pengajaran mesin untuk menemukan dan memprediksi penyebaran penyakit menular. Dengan menggunakan dataset yang kaya akan informasi klinis dan epidemiologis, kami mengembangkan model SVM yang dapat memberikan akurasi tinggi dalam klasifikasi dan prediksi. Hasil menunjukkan bahwa model ini tidak hanya efektif dalam mendeteksi penyakit menular tetapi juga dalam memberikan pengetahuan bermanfaat tentang faktor risiko yang berperan dalam penyebarannya. Temuan ini diharapkan dapat membantu peneliti dan praktisi kesehatan meningkatkan respons terhadap penyakit menular dengan menggunakan teknologi pembelajaran mesin.
References
Erni , Laksono A, Syahlanisyiam, M ,Rosyani ,P. (2023). Sistem Pakar Diagnosa Penyakit Kulit Dengan Menggunakan Metode Forward Chaining
Fanni L (2021). KLASIFIKASI PENDERITA PENYAKIT DIABETES MELLITUS MENGGUNAKAN METODE SUPPORT VECTOR MACHINE
Prasetyo, Abdussalam A , Syahman S & Sari N (2022). IMPLEMENTASI ALGORITMA SVM (SUPPORT VECTOR MACHINE) DALAM KLASIFIKASI PENYAKIT PARU-PARU BERDASARKAN FITUR POLA BENTUK
Ihsani F & Bayu R , Furqon T (2018). Implementasi Algoritme Support Vector Machine (SVM) Untuk Klasifikasi Penyakit Dengan Gejala Demam
Seknun Z, Kusuma A , Sabrina A, Putri C, Raehan M , Rosyani P(2023). KLASIFIKASI TINGKAT KEMATANGAN BUAH TOMAT DENGAN VARIASI MODEL WARNA MENGGUNAKAN SUPPORT VECTOR MACHINE
Ratama N(2018). Analisa Dan Perbandingan Sistem Aplikasi Diagnosa Penyakit Asma Dengan Algoritma Certainty Factor Dan Algoritma Decision Tree Berbasis Android
Damayunita, A., Fuadi, RS., dan Juliane, C. (2022). Comparative Analysis of Naı̈ve Bayes, K-Nearest Neighbors (KNN), and Support Vector Machine (SVM) Algorithms for Classification of Heart Disease Patients.
Supriyadi D, Fajar R, Utami M, Nurjanah S, Restiani A, Sari P, Rosyani ,P. (2022). Analisis Sistem Pakar Diagnosa Penyakit THT Menggunakan Metode Certainty Factor.
Suharyanto E & Zein A, (2022) Analisis data minat calon mahasiswa universitas pamulang dengan menggunakan algoritma Naı̈ve Bayes classifier
Zein A (2020) Pendeteksian virus corona dalam gambar x-ray menggunakan algoritma artifical intelligence dengan deep learning python
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. 1(2).
Fernianti, A., Studi, P., Anak, P., Dini, U., Keguruan, F., Ilmu, D. A. N., & Surakarta, U. M. (2020). LITERATURE REVIEW : PENATAAN RUANG BELAJAR YANG MENARIK DAN PERKEMBANGAN KOGNITIF ANAK.
Rosyani, P. (2019). Penilaian Kinerja Karyawan Berprestasi Dengan Metode Simple Additive Weighting. International Journal of Artificial Intelligence, 6(1), 82–111. https://doi.org/10.36079/lamintang.ijai-0601.34
Prasetya, A., Cahyani, A. D., Dewata, H. C., & Rosyani, P. (2022). Sistem Pakar Untuk Mendiagnosa Kerusakan Mata Akibat Softlens Menggunakan Metode Forward Chaining. 1(02), 134–139
