Klasifikasi Pendonor Darah Menggunakan Metode Support Vector Machine (SVM) Pada Dataset RFMTC

Abstrak

Donor darah adalah proses pengambilan darah dari seseorang yang dilakukan secara sukarela kemudian dipakai untuk transfusi darah bagi pasien yang membutuhkan. Darah dari pendonor tidak dapat digunakan setelah 42 hari Menurut American Red Cross. Satu-satunya cara untuk memenuhi permintaan kantong darah dengan memiliki sumbangan darah rutin dari pendonor yang sehat. Di Indonesia pada tahun 2013 mengalami kekurangan kantong darah sebanyak 2.476.389cc, dimana idealnya ketersediaan darah adalah 2,5% dari jumlah penduduk. Dalam mengatasi permasalahan tersebut dibutuhkan suatu sistem yang mampu memprediksi perilaku pendonor agar dapat mengantisipasi kekurangan kantong darah. Regency, Frequency, Monetary, Time, Churn Probability (RFMTC) merupakan modifikasi dari metode RFM yang digunakan untuk meramalkan perilaku pendonor darah untuk mendonorkan darahnya kembali atau tidak mendonor. untuk dapat mengklasifikasikan perilaku pendonor penelitian ini menggunakan metode Support Vector Machine (SVM). Data yang digunakan dalam penelitian ini adalah 748 yang di bagi menjadi data latih dan data uji. Hasil akurasi penelitian ini mendapatkan akurasi terbaik berdasarkan rasio data 50%:50%, dengan menggunakan kernel linier dan nilai parameter  Lambda (λ) = 2, Gamma (γ), = 0.5, Epsilon (ε) = 0.005, dan Complexity (C) = 20. Hasil dari akurasi metode SVM pada klasifikasi pendonor darah sebesar 72.64%.