PERBANDINGAN EMPIRIS FUNGSI KERNEL PADA METODE KLASIFIKASI SUPPORT VECTOR MACHINE DAN PENERAPANNYA PADA DATA PENDERITA PENYAKIT JANTUNG

Dira Dini , Dian Kemala (2023) PERBANDINGAN EMPIRIS FUNGSI KERNEL PADA METODE KLASIFIKASI SUPPORT VECTOR MACHINE DAN PENERAPANNYA PADA DATA PENDERITA PENYAKIT JANTUNG. Masters thesis, Universitas Lampung.

Preview	File PDF ABSTRAK.pdf Download (3838Kb) | Preview
	File PDF TESIS FULL.pdf Restricted to Hanya staf Download (3839Kb) | Minta salinan
Preview	File PDF TESIS TANPA BAB PEMBAHASAN.pdf Download (3841Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Support Vector Machine (SVM) adalah salah satu metode machine learning yang digunakan untuk mengklasifikasikan dengan membagi data menjadi dua kelas yang berbeda. Prinsip metode 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 fungsi kernel. Tujuan penelitian ini adalah mengetahui fungsi kernel terbaik yang menghasilkan akurasi tertinggi pada SVM melalui studi simulasi dan menerapkan metode SVM untuk klasifikasi penderita penyakit jantung. Hasil yang diperoleh, melalui studi simulasi bahwa fungsi kernel terbaik adalah fungsi kernel Radial Basis Function (RBF), proporsi split dataset yang terbaik adalah 80 training dan 20 testing, dan parameter terbaik adalah cost = 1, degree = 1, dan gamma = 0,5. Selain itu, penerapan metode SVM pada data penyakit jantung diperoleh hasil bahwa fungsi kernel RBF dengan split dataset 80 diperoleh nilai akurasi = 1, artinya dalam mengklasifikasikan seseorang apakah termasuk penderita atau tidak penderita dapat diklasifikasikan secara tepat. Dengan menggunakan fungsi kernel dan proporsi split dataset tersebut diperoleh parameter w dan b, yakni sebagai berikut:

Jenis Karya Akhir:	Tesis (Masters)
Subyek:	500 ilmu pengetahuan alam dan matematika 500 ilmu pengetahuan alam dan matematika > 510 Matematika
Program Studi:	FAKULTAS MIPA > Prodi Magister Ilmu Matematika
Pengguna Deposit:	2301216504 . Digilib
Date Deposited:	17 Jul 2023 03:46
Terakhir diubah:	17 Jul 2023 03:46
URI:	http://digilib.unila.ac.id/id/eprint/73490

Actions (login required)

Lihat Karya Akhir