Support Vector Machine Untuk Pendeteksi Penyakit Ginjal Kronis

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.