Support Vector Machine Untuk Pendeteksi Penyakit Ginjal Kronis

Putra, Rizky Madya (2020) Support Vector Machine Untuk Pendeteksi Penyakit Ginjal Kronis. Other thesis, Universitas Komputer Indonesia.

Preview	Text UNIKOM_RIZKY MADYA PUTRA_COVER.pdf - Published Version Download (31kB) | Preview
Preview	Text UNIKOM_RIZKY MADYA PUTRA_LEMBAR PENGESAHAN.pdf - Published Version Download (2MB) | Preview
Preview	Text UNIKOM_RIZKY MADYA PUTRA_SURAT KETERANGAN PUBLIKASI.pdf - Published Version Download (178kB) | Preview
Preview	Text UNIKOM_RIZKY MADYA PUTRA_SURAT KETERANGAN ORISINALITAS.pdf - Published Version Download (196kB) | Preview
Preview	Text UNIKOM_RIZKY MADYA PUTRA_KATA PENGANTAR.pdf - Published Version Download (181kB) | Preview
Preview	Text UNIKOM_RIZKY MADYA PUTRA_DAFTAR ISI.pdf - Published Version Download (12kB) | Preview
	Text UNIKOM_RIZKY MADYA PUTRA_BAB 1.pdf - Published Version Restricted to Repository staff only Download (112kB) | Request a copy
	Text UNIKOM_RIZKY MADYA PUTRA_BAB 2.pdf - Published Version Restricted to Repository staff only Download (531kB) | Request a copy
	Text UNIKOM_RIZKY MADYA PUTRA_BAB 3.pdf - Published Version Restricted to Repository staff only Download (554kB) | Request a copy
	Text UNIKOM_RIZKY MADYA PUTRA_BAB 4.pdf - Published Version Restricted to Repository staff only Download (101kB) | Request a copy
	Text UNIKOM_RIZKY MADYA PUTRA_BAB 5.pdf - Published Version Restricted to Repository staff only Download (11kB) | Request a copy
Preview	Text UNIKOM_RIZKY MADYA PUTRA_DAFTAR PUSTAKA.pdf - Published Version Download (191kB) | Preview

Abstract

Penelitian ini dilakukan untuk mengukur tingkat akurasi metode Support Vector Machine untuk mendeteksi penyakit ginjal kronis dengan menggunakan 12 atribut. Preprocessing yang digunakan yaitu mengisi missing value dengan nilai mean pada atribut data berjenis numerik dan nilai modus pada atribut data berjenis nominal, pelabelan terhadap data berjenis kategorial seperti kategori, status, atau kode (nominal), serta normalisasi yang dilakukan dengan menggunakan normalisasi min-maks. Pengujian dilakukan untuk mengetahui nilai terbaik untuk parameter sigma pada kernel Radial Basis Function (RBF) dengan nilai terbaik pada , nilai terbaik untuk parameter degree pada kernel Polynomial dengan nilai terbaik pada , membandingkan tiap kernel dengan mendapatkan kernel polynomial mendapatkan nilai akurasi terbaik 95.5%, kemudian pengujian dilakukan terhadap metode SVM dengan mendapatkan akurasi untuk preprocessing mengubah missing value 95.5%, sedangkan preprocessing menghapus data yang tidak lengkap mendapatkan akurasi 98%. Hal ini dapat terjadi karena penggunaan preprocessing dengan pengisian data yang tidak lengkap mengakibatkan data menjadi tidak asli atau valid karena data telah dimanipulasi.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	pendeteksian, penyakit ginjal kronis, support vector machine, kernel, polynomial.
Subjects:	000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 005_Computer Programming, Programs & Data
Divisions:	S1_SKRIPSI > FTIK_Teknik Informatika (01)
Depositing User:	Mrs. Calis Maryani
Date Deposited:	10 Sep 2020 02:10
Last Modified:	17 Sep 2020 04:22
URI:	http://elibrary.unikom.ac.id/id/eprint/2729

Actions (login required)

View Item