Klasifikasi Penyakit Gigi Dan Mulut Menggunakan Metode Support Vector Machine

##plugins.themes.bootstrap3.article.main##

Ana Mariyam Puspitasari Dian Eka Ratnawati Agus Wahyu Widodo

Abstrak

Penyakit gigi dan mulut merupakan salah satu penyakit yang berdampak serius bagi kesehatan manusia secara umum, karena gigi dan mulut merupakan tempat masuknya suatu kuman dan bakteri. Penanganan penyakit gigi dan mulut diharuskan untuk segera ditangani lebih cepat dan benar, namun tidak semua tim ahli gigi dapat dengan cepat melakukan penanganan dikarenakan kurangnya tim ahli gigi yang berada ditempat kerja atau rumah sakit selama 24 jam.  Mengetahui jenis penyakit gigi dan mulut sejak awal sangatlah penting. Oleh karena itu diperlukan adanya sistem yang mempunyai kemampuan untuk mengklasifikasikan  jenis penyakit gigi dan mulut guna membantu masyarakat dalam melakukan diagnosa awal terhadap penyakit gigi dan mulut. Dalam penelitian ini sistem klasifikasi yang digunakan yakni menggunakan metode SVM, karena metode SVM dapat mengatasi masalah klasifikasi dan regresi dengan linear maupun non linear sehingga dapat menjadi suatu kemampuan algoritma pembelajaran pada klasifikasi  ataupun regresi. Pada penelitian ini strategi yang digunakan yakni One-Againts-All dan karena proses yang nantinya akan dilakukan bersifat non linear sehingga kernel yang digunakan yakni kernel RBF. Hasil klasifikasi yang diperoleh dengan menggunakan metode SVM mempunyai rata – rata nilai akurasi sebesar 94.442% dengan menggunakan dataset sebanyak 122 data dan dengan parameter sequential training SVM nilai  (lamda) = 0.1, y (gamma) = 0.1, C (Complexity) = 1,  (epsilon) = 1.10-10 dengan itermax = 50 dan rasio data 80%:20%. Dengan pencapaian hasil akurasi yang baik, maka penelitian ini dapat diterapkan untuk membantu melakukan klasifikasi penyakit gigi dan mulut dengan metode support vector machine.

##plugins.themes.bootstrap3.article.details##

Cara Sitasi
Puspitasari, A., Ratnawati, D., & Widodo, A. Klasifikasi Penyakit Gigi Dan Mulut Menggunakan Metode Support Vector Machine. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 2, no. 2, p. 802-810, agu. 2017. ISSN 2548-964X. Tersedia pada: <http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/967>. Tanggal Akses: 20 okt. 2019
Bagian
Artikel