Skripsi
Penerapan algoritma support vector machine dalam klasifikasi penyakit demam berdarah dengue (DBD) di Kota Banyuwangi / Novan Kuncoro Yakti
Abstrak
Penelitian ini bertujuan untuk menerapkan algoritma Support Vector Machine (SVM) dalam klasifikasi gejala penyakit Demam Berdarah Dengue (DBD) di Kota Banyuwangi. Penyakit DBD merupakan salah satu penyakit menular yang memiliki kesamaan gejala dengan demam lainnya seperti malaria dan tifoid sehingga diperlukan sistem klasifikasi yang akurat untuk mengurangi kesalahan diagnosis. Dataset yang digunakan dalam penelitian ini bersumber dari data pasien DBD yang diperoleh dari Dinas Kesehatan Banyuwangi periode tahun 2020-2021 dengan menggunakan metode SMOTE untuk mengatasi ketidakseimbangan kelas. Proses preprocessing data melibatkan normalisasi dan label encoding untuk mengubah data string menjadi numerik. Model SVM dengan kernel linear diimplementasikan dan diuji menggunakan teknik validasi k-fold cross-validation dengan 5 fold. Hasil penelitian menunjukkan bahwa model SVM mampu mencapai akurasi sebesar 90% dan nilai F1-Score sebesar 94% yang mengindikasikan bahwa model ini memiliki keseimbangan yang baik dalam mengklasifikasikan gejala DBD. Visualisasi hyperplane menggunakan dua fitur utama yaitu jumlah hari sejak infeksi dan suhu tubuh saat ini menunjukkan bahwa model SVM dapat memisahkan dua kelas dengan margin maksimum. Kesimpulannya penerapan algoritma SVM dengan teknik preprocessing data yang tepat sangat efektif untuk klasifikasi penyakit DBD dan hasil penelitian ini dapat membantu dalam meningkatkan akurasi diagnosis awal penyakit tersebut