%0 Generic
%A CANTIKA , MERITA
%C Fakultas Matematika Dan Ilmu Pengetahuan Alam 
%D 2025
%F eprints:88446
%I Universitas Lampung
%T IMPLEMENTASI SUPPORT VECTOR MACHINE DENGAN RANDOM OVERSAMPLING UNTUK MENGATASI DATA TAK SEIMBANG PADA KLASIFIKASI PENDERITA PENYAKIT CARDIOVASCULAR  
%U http://digilib.unila.ac.id/88446/
%X Support Vector Machine (SVM) adalah salah satu metode machine learning yang digunakan untuk pengklasifikasikan dengan membagi data menjadi dua kelas yang berbeda.  Prinsip kerja SVM adalah mencari fungsi pemisah (hyperplane) yang terbaik.  Apabila data tidak dapat dipisahkan secara linear maka data tersebut merupakan data nonlinear.  Salah satu metode untuk mengatasi hal tersebut adalah dengan menggunakan fungsi kernel.  Tujuan penelitian ini adalah menerapkan metode SVM untuk mengetahui kinerja fungsi kernel terbaik berdasarkan nilai akurasi tertinggi terhadap klasifikasi penderita penyakit cardiovascular.  Namun, pada dataset yang digunakan dalam penelitian memiliki masalah ketidakseimba-ngan data (imbalance data).  Oleh karena itu, digunakan Random Oversampling (ROS) untuk mengatasi masalah tersebut.  Hasil penelitian menunjukkan bahwa fungsi kernel terbaik pada data yang seimbang adalah fungsi Radial Basis Function (RBF), dengan parameter gamma 0,1 dan cost 1 pada skema data training 90% dan testing 10% didapat nilai akurasi sebesar 73,86%.    Kata Kunci : Cardiovascular; Kernel Radial Basis Function; Ketidakseimbangan Data; Random Oversampling; Support Vector Machine.