KLASIFIKASI PENYAKIT KANKER SERVIKS MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM)
DOI:
https://doi.org/10.31328/ciastech.v0i0.3348Keywords:
hyperplane, kanker serviks, support vactor machine (SVM)Abstract
Kanker serviks atau yang sering di sebut kanker leher rahim merupakan penyakit yang mematikan dan banyak sekali menyerang kaum wanita di seluruh dunia. di indonesia dari menteri kesehatan bahkan mencatat kanker ini menempati peringkat ke dua dari jenis kanker serviks yang sering di jumpai setelah kanker payudara. support vactor machine (SVM) adalah algoritma yang di gunakan untuk pengklasifikasi dengan membagi data menjadi dua kelas lalu menjadikan garis hayperplane untuk pemisah dua kelas dan margin untuk pemisah antar garis hayperplan dan support vactor. Seperti pada Penelitian kali ini yang bertujuan untuk mempermudah mengklasifikasikan data kanker serviks, karena dari permasalahan data kanker serviks memerlukan klasifikasi untuk menentukan mana saja data yang lebih dominan negatif atau positif dengan menerapkan algoritma support vactor machine (SVM). data yang di ambil dari website Archive.com sebanyak 72 data dan 19 atribut dengan menggunaakan data training sebanyak 59 data dan 4 atribut dimana di antaranya dukungan sosial instrumental, pengetahuan pemberdayaan, kemampuan pemberdayaan, keinginan pemberdayaan. Data di bagi menjadi dua yaitu menjadi data testing dan training dengan membagi 80:20 pada pengujian kali ini menggunakan python dengan data training dan menggunakan tools orange lalu menggunakan data testing. Dari hasil pengujian dengan menggunakan orange membagi data 80:20 memiliki nilai nilai accuracy sebesar 92,9%, dan python sebesar 87%.References
Andanni, R. M. (2016) ‘Perancangan Strategi Kampanye Bahaya Kanker Serviks Bagi Remaja Putri Usia 13-18 Tahun’. Available at: http://repository.its.ac.id/75601/.
Fibrianda, M. F. and Bhawiyuga, A. (2018) ‘Analisis Perbandingan Akurasi Deteksi Serangan Pada Jaringan Komputer Dengan Metode Naïve Bayes Dan Support Vector Machine (SVM)’, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 2(9), pp. 3112–3123.
Nurasiah, A. and Marliana, M. T. (2018) ‘Efektivitas Pelatihan Konseling Kesehatan Reproduksi Terhadap Peningkatan Kompetensi Kader Posyandu Dalam Pelayanan Konseling Pencegahan Kanker Serviks di Kabupaten Kuningan Tahun 2018’, Jurnal Ilmu Kesehatan Bhakti Husada: Health Sciences Journal, 9(2), pp. 34–39. doi: 10.34305/jikbh.v9i2.65.
Parapat, I. M., Furqon, M. T. and Sutrisno (2018) ‘Penerapan Metode Support Vector Machine ( SVM ) Pada Klasifikasi Penyimpangan Tumbuh Kembang Anak’, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 2(10), pp. 3163–3169. Available at: https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/2577.
Praningki, T. and Budi, I. (2018) ‘Sistem Prediksi Penyakit Kanker Serviks Menggunakan CART, Naive Bayes, dan k-NN’, Creative Information Technology Journal, 4(2), p. 83. doi: 10.24076/citec.2017v4i2.100.
Pratama, A., Wihandika, R. C. and Ratnawati, D. E. (2018) ‘Implementasi Algoritme Support Vector Machine (SVM) untuk Prediksi Ketepatan Waktu Kelulusan Mahasiswa’, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 2(March), pp. 1704–1708.
Sentiya, A. et al. (2018) ‘Analisis Text Clustering Akun Fanpage Shopee Indonesia Dengan Komentar Followers Menggunakan Tools Orange Data Mining’, Bina Darma Conference on Computer Science, 2, pp. 1055–1067.
Siregar, A. et al. (2019) ‘Comparison Study Of Term Weighting Optimally With SVM In Sentiment Analysis’, (January). doi: 10.4108/eai.18-7-2019.2288508.
Sobar, Machmud, R. and Wijaya, A. (2016) Cervical Cancer Behavior Risk Data Set, Center for Machine Learning and Intelligent Systems. Available at: https://archive.ics.uci.edu/ml/datasets/Cervical+Cancer+Behavior+Risk#.
Teknologi, S. N. (2017) ‘Python Merupakan Alternatif Yang Sederhana Dan’, Abacus A Journal Of Accounting Finance And Business Studies, 1(November), pp. 1–22.
Tsani, N. B. and Harliana, H. (2019) ‘Implementasi Deteksi Tepi Canny Dengan Transformasi Powerlaw Dalam Mendeteksi Stadium Kanker Serviks’, Jurnal Ilmiah Intech : Information Technology Journal of UMUS, 1(01), pp. 22–33. doi: 10.46772/intech.v1i01.35.
