Prediksi Penyakit Diabetes Menggunakan Algoritma Support Vector Machine (SVM)
DOI:
https://doi.org/10.36423/index.v4i1.895Abstract
Diabetes Mellitus (DM) atau lebih dikenal dengan sebutan penyakit kencing manis adalah penyakit kronis yang disebabkan oleh gagalnya organ pankreas memproduksi jumlah hormon insulin secara memadai sehingga menyebabkan peningkatan kadar glukosa dalam darah. Diabetes Mellitus merupakan penyakit yang berbahaya, banyak diberbagai negara terkena penyakit diabetes termasuk di Indonesia. Penyebab utama diabetes masih belum diketahui, namun banyak yang percaya bahwa faktor genetika dan gaya hidup dapat memainkan peran utama pada diabetes. Para peneliti di bidang bioinformatika telah berusaha untuk mengatasi penyakit ini dan membuat sistem untuk membantu dalam prediksi diabetes. Dari berbagai penelitian yang ada, banyak menggunakan metode seperti C4.5, KNN, Naïve Bayes, serta SVM Linier dalam membangun sistem, tapi metode SVM Radial Basis Function (RBF) jarang digunakan dikarenakan hasil akurasi yang didapat tidak cukup untuk digunakan pada sistem prediksi diabetes. Pada penelitian ini menjawab gap tersebut bahwa dengan menggunakan metode algoritma SVM Radial Basis Function (RBF) dapat menghasilkan akurasi yang tinggi dengan mencapai sebesar 91%. Pengujian akurasi yang dilakukan menggunakan Confusion Matrix dan peramalan Mean Square Error dengan kfold kelipatan 10. Penelitian ini bertujuan untuk menentukan apakah penderita/pasien dapat terkena penyakit diabetes atau tidak dengan menerapkan teknik data mining dan klasifikasi menggunakan algoritma SVM Radial Basis Function berbasis Forward Selection.References
D. W. Hestiana, "FAKTOR-FAKTOR YANG BERHUBUNGAN DENGAN KEPATUHAN DALAM PENGELOLAAN DIET PADA PASIEN RAWAT JALAN DIABETES MELLITUS DI KOTA SEMARANG," Jurnal of Health Education, vol. 3, no. 12, pp. 138-145, 2017.
U. Hasanah, "INSULIN SEBAGAI PENGATUR KADAR GULA DARAH," Jurnal Keluarga Sehat Sejahtera, vol. 11, no. 22, pp. 42-49, 2013.
N. A. W. S. F. Peter Piko, "Impact of Genetic Factors on the Age of Onset for Type 2 Diabetes Mellitus in Addition to the Conventional Risk Factors," MDPI, vol. 11, no. 6, pp. 1-17, 2021.
E. M. G. R. G. D. P. Anna Izzo, "A Narrative Review on Sarcopenia in Type 2 Diabetes Mellitus: Prevalence and Associated Factors," MDPI, vol. 13, no. 183, pp. 1-18, 2021.
S. Pangribowo, "Tetap Produktif, Cegah, dan Atasi Diabetes Melitus," InfoDatin, 18 Febuari 2020.
L. A. R. A. T. S. Souad Larabi-Marie-Sainte, "Current Techniques for Diabetes Prediction: Review and Case Study," MDPI: Journal Applied Science, vol. 9, no. 2, pp. 1-18, 2019.
S. R. S. N. T. H. N. A. M. Jajang Jaya Purnama, "Analisis Algoritma Klasifikasi Neural Network Untuk Diagnosis Penyakit Diabetes," IJCIT (Indonesian Journal on Computer and Information Technology), vol. 5, no. 1, pp. 1-7, 2019.
S. A. T. H. K. S. A. A. Dewi Rahma Ente, "KLASIFIKASI FAKTOR-FAKTOR PENYEBAB PENYAKIT DIABETES MELITUS DI RUMAH SAKIT UNHAS MENGGUNAKAN ALGORITMA C4.5," Indonesian Journal of Statistics and Its Applications, vol. 4, no. 1, pp. 80-88, 2020.
D. V. V. Aishwarya Mujumdar, "Diabetes Prediction using Machine Learning Algorithms," ELSEVIER, vol. 16, no. 5, pp. 292-299, 2019.
T. S. Aline Embun Pramadhani, "PENERAPAN DATA MINING UNTUK KLASIFIKASI PREDIKSI PENYAKIT ISPA (Infeksi Saluran Pernapasan Akut) DENGAN ALGORITMA DECISION TREE (ID3)," Jurnal Sarjana Teknik Informatika, vol. 2, no. 1, pp. 831-839, 2014.
A. Saifudin, "METODE DATA MINING UNTUK SELEKSI CALON MAHASISWA PADA PENERIMAAN MAHASISWA BARU DI UNIVERSITAS PAMULANG," ResearchGate, vol. 10, no. 1, pp. 25-36, 2018.
M. M. I. Safial Islam Ayon, "Diabetes Prediction: A Deep Learning Approach," Modern Education and Computer Science Press(MECS), vol. 2, no. 1, pp. 21-27, 2019.
D. N. J.-B. C. F. Y. W. A. S. R. Y. L. A. G. M. A. D. R. U. V. I. Y. D. W. S. G. H. M. Cheng-Hong Yang, "Prediction of Mortalityinthe Hemodialysis Patient with Diabetes using Support Vector Machine," revistaclinicapsicologica, vol. XXIX, no. 4, pp. 219-232, 2020.
P. S. M. P. L. S. P. Arianna Dagliati, "Machine Learning Methods to Predict Diabetes Complications," SAGE, vol. 12, no. 2, pp. 295-302, 2018.
D. S. S. Deepti Sisodia, "Prediction of Diabetes using Classification Algorithms," ELSEVIER, vol. 13, no. 2, pp. 1578-1585, 2018.
A. Kowalczyk, SUPPORT VECTOR MACHINES, Morrisville: Syncfusion, 2017.
B. M. E. Matthias Ring, "An approximation of the Gaussian RBF kernel for efficient classification with SVM," ELSEVIER, vol. 84, no. 3, pp. 107-113, 2016.
A. N. S. Laily Hermawanti, "PENGGABUNGAN ALGORITMA FORWARD SELECTION DAN K-NEAREST NEIGHBOR UNTUK MENDIAGNOSIS PENYAKIT DIABETES DI KOTA SEMARANG," Momentum, vol. 12, no. 2, pp. 28-31, 2016.
Q. L. Y. D. ,. S. M. Xinyang Deng, "An improved method to construct basic probability assignment based on the confusion matrix for classification problem," ELSEVIER, Vols. 340-341, no. 16, pp. 250-261, 2016.
D. F. Ghebyla Najla Ayuni, "Penerapan Metode Regresi Linear Untuk Prediksi Penjualan Properti pada PT XYZ," Jurnal Telematika, vol. 14, no. 2, pp. 79-86, 2019.
H. Harafani, "Forward Selection pada Support Vector Machine untuk Memprediksi Kanker Payudara," Jurnal Infortech, vol. 1, no. 2, pp. 131-139, 2019.
A. K. S. S. A. G. H. A.-R. A. T. C. Ali Kalantari, "Computational intelligence approaches for classification of medical data: State-of-the-art, future challenges and research directions," ELSEVIER, vol. 276, no. 1, pp. 2-22, 2018.
A. R. Febie Elfaladonna, "ANALISA METODE CLASSIFICATION-DECISSION TREE DAN ALGORITMA C.45 UNTUK MEMPREDIKSI PENYAKIT DIABETES DENGAN MENGGUNAKAN APLIKASI RAPID MINER," SINTECH, vol. 2, no. 1, pp. 10-17, 2019.
R. R. Rerung, "Penerapan Data Mining dengan Memanfaatkan Metode Association Rule untuk Promosi Produk," JTERA - Jurnal Teknologi Rekayasa, vol. 3, no. 1, pp. 89-98, 2018.
A. R. Febie Elfaladonna, "ANALISA METODE CLASSIFICATION-DECISSION TREE DAN ALGORITMA C.45 UNTUK MEMPREDIKSI PENYAKIT DIABETES DENGAN MENGGUNAKAN APLIKASI RAPID MINER," SINTECH JOURNAL, vol. 2, no. 1, pp. 10-17, 2019.
Downloads
Published
Issue
Section
License
Copyright (c) 2022 Hovi Sohibul Wafa Hovi, Asep Id Hadiana, Fajri Rakhmat Umbara
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
