Penerapan Support Vector Machine Dengan Optimasi Particle Swarm Optimization Untuk Mendeteksi Penyakit Malaria

Putra Sanjaya, Arya (2018) Penerapan Support Vector Machine Dengan Optimasi Particle Swarm Optimization Untuk Mendeteksi Penyakit Malaria. Diploma thesis, Universitas Komputer Indonesia.

Full text not available from this repository.
Official URL: http://elib.unikom.ac.id/gdl.php?mod=browse&op=rea...

Abstract

Klasifikasi dapat didefinisikan sebagai perkerjaan yang melakukan pelatihan/pembelajaran terhadap fungsi target f yang memetakan setiap set atribut (fitur) x ke satu dari sejumlah label kelas y yang tersedia. Pekerjaan pelatihan tersebut akan menghasilkan suatu model yang kemudian disimpan sebagai memori. Salah satu contoh adalah mendeteksi penyakit malaria karena memiliki gejala dan tanda klinis yang khas, dalam penelitian ini menggunakan metode support vector machine (SVM) dalam mengklasifikasi penyakit malaria, dan menggunakan particle swarm optimization(PSO) dalam menentukan parameter SVM, karena SVM memiliki kekurangan dalam pemilihan parameter yang berpengaruh pada proses klasifikasi, PSO dipilih karena banyak yang telah terbukti memiliki kinerja yang baik dalam hal tersebut sebab PSO memiliki konsep sederhana dan efisien dalam mencapai solusi global baik minimasi maupun maksimasi. Penelitian ini menggunakan 164 data latih dan 70 data uji. Pengujian menghasilkan akurasi sebesar 91,4286% pada pengujian yang dioptimasi dengan PSO dan tanpa optimasi mendapatkan akurasi sebesar 87,1429%. Hasil tersebut menunjukkan bahwa PSO efektif dalam meningkatkan akurasi.

Item Type: Thesis (Diploma)
Uncontrolled Keywords: Mendeteksi Malaria, Support Vector Machine, Particle Swarm Optimization
Subjects: S1-Final Project > Fakultas Teknik Dan Ilmu Komputer > Teknik Informatika > 2017
Divisions: Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer
Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer > Teknik Informatika (S1)
Date Deposited: 31 Jan 2019 10:23
Last Modified: 31 Jan 2019 10:23
URI: https://repository.unikom.ac.id/id/eprint/57916

Actions (login required)

View Item View Item