Implementasi Algoritma Support Vector Machine dalam Mendeteksi Dini Risiko Penyakit Jantung

Fourentino Wicaksono, Yosef (2025) Implementasi Algoritma Support Vector Machine dalam Mendeteksi Dini Risiko Penyakit Jantung. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (3MB)
	PDF BAB_I.pdf Download (215kB)
	PDF BAB_II.pdf Download (721kB)
	PDF BAB_III.pdf Download (785kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Download (184kB)
	PDF DAFTAR_PUSTAKA.pdf Download (212kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (807kB)

Abstract

Penyakit jantung merupakan penyebab utama kematian di dunia, sehingga upaya deteksi dini terhadap risiko penyakit ini menjadi sangat penting. Deteksi dini secara medis dapat dilakukan melalui prosedur seperti elektrokardiogram dan uji stres jantung, yang hasilnya dapat dimanfaatkan lebih lanjut dalam sistem pembelajaran mesin untuk memperkuat analisis prediktif. Penelitian ini menerapkan algoritma Support Vector Machine (SVM) untuk membangun model klasifikasi dalam mendeteksi risiko penyakit jantung berdasarkan data dari UCI Machine Learning Repository. Model dikembangkan menggunakan pendekatan hyperparameter tuning guna memperoleh performa optimal. Hasil terbaik dicapai menggunakan kernel RBF, dengan parameter C sebesar 10 dan gamma sebesar 0.01. Model yang dihasilkan mampu mencapai accuracy sebesar 85,18%, precision sebesar 91,67%, recall sebesar 78,57%, dan F1-score sebesar 84,61%. Hasil ini menunjukkan bahwa SVM dapat diandalkan sebagai salah satu metode klasifikasi dalam pengembangan sistem deteksi dini penyakit jantung.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Deteksi Dini, Hyperparameter, Klasifikasi, Penyakit Jantung, Support Vector Machine.
Subjects:	?? T58.5-58.64 ??
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	04 Aug 2025 11:02
Last Modified:	04 Aug 2025 11:02
URI:	https://kc.umn.ac.id/id/eprint/39809

Actions (login required)

View Item