Penerapan Algoritme Support Vector Machine Terhadap Klasifikasi Tingkat Risiko Pasien Gagal Ginjal

Abstrak

Gagal ginjal merupakan suatu kondisi bahwa ginjal tidak dapat menjalankan fungsinya secara tepat. Di seluruh dunia kasus mengenai gagal ginjal yang mengalami peningkatan setiap tahun adalah gagal ginjal kronik. Di Indonesia menurut data dari penetri (Persatuan Netrologi Indonesia) diperkirakan mencapai 70 ribu penderita penyakit gagal ginjal kronik. Untuk membantu mengetahui status fungsi ginjal seseorang dibuat suatu sistem yang dapat melakukan proses klasifikasi tingkat risiko pasien gagal ginjal menggunakan algoritme support vector machine (SVM) dan strategi one-againts-all. Alur dari penelitian yaitu menggunakan analisis korelasi untuk melihat hubungan antar fitur, melakukan normalisasi agar nilai data berada pada interval yang sama, perhitungan kernel RBF, melakukan proses training dengan sequential training, kemudian menggunakan one-againts-all untuk proses klasifikasi. Pengujian akhir dari penelitian ini menghasilkan nilai rata-rata akurasi sebesar 83,998% dan akurasi tertinggi sebesar 98,33% dengan menggunakan rasio perbandingan data 80%:20%, nilai parameter λ (lambda) = 1, γ (gamma) = 0,0001, σ kernel RBF = 2, C (Complexity)=0,0001 dan jumlah iterasi SVM=100. Berdasarkan hasil tersebut dapat disimpulkan bahwa algoritme SVM dan strategi one-againts-all dapat digunakan untuk klasifikasi tingkat risiko pasien gagal ginjal.