KLASIFIKASI RESIKO PENYAKIT STROKE MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM)

Alamsyah, M. Rizki (2025) KLASIFIKASI RESIKO PENYAKIT STROKE MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM). Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (240kB)
	Text BAB II.pdf Restricted to Registered users only Download (492kB)
	Text BAB III.pdf Restricted to Registered users only Download (489kB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Download (177kB)
	Text DAFTAR PUSTAKA.pdf Download (180kB)

Abstract

Stroke merupakan salah satu penyakit kronis yang menjadi penyebab utama kematian dan kecacatan di dunia, termasuk di Indonesia. Deteksi dini terhadap risiko stroke sangat penting untuk mencegah komplikasi yang lebih serius. Penelitian ini bertujuan untuk mengembangkan model klasifikasi risiko penyakit stroke menggunakan algoritma Support Vector Machine (SVM) berbasis data kesehatan pasien. Dataset yang digunakan bersumber dari Kaggle, terdiri dari 5111 data pasien dengan atribut demografis dan medis. Proses penelitian meliputi tahapan preprocessing data, penanganan missing value, encoding data kategorikal, normalisasi fitur numerik dengan MinMaxScaler, serta penyeimbangan kelas menggunakan SMOTE. Data dibagi menjadi data latih dan data uji dengan rasio 70:30. Selain itu, dilakukan seleksi fitur menggunakan metode Recursive Feature Elimination (RFE) untuk meningkatkan efisiensi model. Evaluasi performa model dilakukan dengan metrik accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model SVM dengan 5 fitur terbaik menghasilkan akurasi tertinggi sebesar 95,02%, sedikit lebih tinggi dibandingkan penggunaan seluruh fitur sebesar 95,00%. Penelitian ini menunjukkan bahwa algoritma SVM mampu memberikan hasil klasifikasi yang akurat dalam mendeteksi risiko penyakit stroke, dan seleksi fitur dapat meningkatkan efisiensi model tanpa mengurangi akurasi secara signifikan.

Actions (login required)

View Item