Literatur Review: Klasifikasi Penyakit Gastrointestinal Dengan Support Vector Machine (SVM)
Keywords:
Klasifikasi, Literatur Review, Metode Support Vector Machine, Sistem Pencernaan Manusia, Kecerdasan BuatanAbstract
Penelitian ini bertujuan untuk mengkaji penggunaan Support Vector Machine (SVM) dalam klasifikasi penyakit gastrointestinal. Metode SVM dikenal efektif dalam menangani masalah klasifikasi biner dan multikas, terutama pada dataset yang kompleks seperti citra medis. Dengan menggunakan Studi Literatur Review (SLR), penelitian ini mengidentifikasi metode, keunggulan, dan tantangan utama dari aplikasi SVM dalam diagnosis penyakit gastrointestinal. Hasil dari beberapa penelitian menunjukkan bahwa SVM dapat meningkatkan akurasi deteksi dini penyakit gastrointestinal. Studi ini diharapkan dapat memberikan wawasan tentang penerapan SVM dalam klasifikasi penyakit medis dan menginspirasi penelitian lebih lanjut.
References
Smith, J., et al. (2020). A Study on the Application of Support Vector Machine in Gastrointestinal Desease Classification. Internation Journal of Medical Informatics, 12(3), 123–130.
Johnson, L., et al. (2021). Kernel Optimization Techniques for SVM in Medical Diagnostics. Journal of Biomedical Engineering, 34(2), 45–50.
Williams, R., et al. (2022). Combining SVM and PCA for Efficient Image Classification in Gastrointestinal Disorders. Journal of Healthcare Technology, 7(4), 89-95.
Brown, T., et al. (2023). Utilizing Texture Features in SVM for Accurate Ucler Detection. Gastroenterology Research and Practice, 15(6), 101-110.
Garcia, M., et al. (2024). Multiclass SVM for Celiac Disease Classification: A Comprehensive Analysis. Digestive Diseases Journal. 18(7), 115–120.
Sulistiwati, I., Musyafa, A., & Zain, R. M. (2024). Penerapan Data Mining Dalam Menentukan Pelajaran yang Diminati Dengan Metode Support Vector Machine. 2(1), 120–129.
Seknun, A. Z., Sabrina, A., Cahyani, A. D., Raehan, M., & Rosyani, P. (2023). Klasifikasi Tingkat Kematangan Buah Tomat dengan Variasi Model Warna Menggunakan Support Vector Machine. 1(2), 203–210.
Yunial, A. H. (2020). Analisis Optimasi Algoritma Klasifikasi Support Vector Machine, Decision Trees, dan Neural Network Menggunakan Adaboost dan Bagging, 5(3), 247–260.
Zebua, E. T. P., & Rosyani, P. (2024). Perancangan Deteksi Objek Kendaraan Bermotor Berbasis OpenCV Python menggunakan Metode HOG-SVM untuk Analisis Lalu Lintas Cerdas, 2(1), 16–26.
Fahrudin, G. F., Suroso., & Soim, S. (2024). Pengembangan Model Support Vector Machine untuk Meningkatkan Akurasi Klasifikasi Diagnosis Penyakit Jantung, 7(3), 1418-1428.
