Jasmin, Nadya (2024) Implementasi Data Mining Untuk Klasifikasi Vertigo Menggunakan Metode Support Vector Machine (SVM). S1 thesis, Universitas Malikussaleh.

	Text cover_nadya.pdf Download (93kB)
	Text abstrak_nadya.pdf Download (155kB)
	Text bab_1.pdf Download (161kB)
	Text daftar pustaka_nadya.pdf Download (136kB)
	Text Nadya Jasmin 170170088_full text.pdf Restricted to Registered users only Download (3MB)

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi penyakit vertigo dengan menggunakan metode Support Vector Machine (SVM). Vertigo seringkali dialami oleh masyarakat sebagai gejala yang umumnya diabaikan namun dapat mengindikasikan kondisi medis tertentu. Dengan pemanfaatan SVM, penelitian ini membangun model yang dapat memisahkan dua kelas yaitu pasien yang mengalami vertigo dan yang tidak. Sistem ini dikembangkan berbasis web dan menggunakan data pasien dari Puskesmas Jangka, Kabupaten Bireuen dari tahun 2023-2024. Dari perhitungan Support Vector Machine didapatkan nilai bobot yaitu; Jenis Kelamin (0,1), Umur (0,05), Tensi (0,03), Gula Darah (0,04), Kolesterol (0,02), Pusing Berputar (0,6), Kehamilan (0,07), dengan bias 13. Evaluasi model menggunakan Confusion Matrix menghasilkan accuracy 71%, precision 86.8%, recall 57.9%, dan F1 score 69.4%. Hasil penelitian menunjukkan bahwa SVM memiliki potensi baik dalam mengklasifikasikan vertigo, meskipun recall masih perlu ditingkatkan. Diharapkan penelitian ini dapat membantu puskesmas dalam mendeteksi vertigo dengan lebih cepat dan tepat. Kata kunci: Vertigo, Data Mining, Support Vector Machine (SVM), Confussion Matrix, Klasifikasi.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Nadya Jasmin
Date Deposited:	11 Dec 2024 03:09
Last Modified:	11 Dec 2024 03:09
URI:	https://rama.unimal.ac.id/id/eprint/8544

Actions (login required)

View Item