Klasifikasi infeksi saluran kemih menggunakan support vector machine berdasarkan parameter urinalisis

INDONESIA:

Dalam konteks diagnosis infeksi saluran kemih (ISK), efisiensi dalam penentuan diagnosis sangat penting untuk mengurangi waktu yang dibutuhkan dan meningkatkan akurasi. ISK adalah masalah kesehatan yang umum, terutama dialami oleh perempuan, dengan wanita dewasa menyumbang sekitar 50% - 60% dari total penderita. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi ISK yang lebih efisien dengan menggunakan metode Support Vector Machine (SVM) guna menggantikan metode kultur urin tradisional yang memerlukan waktu lebih lama. Data penelitian terdiri dari 1.436 sampel urinalisis dengan 15 parameter yang diambil dari klinik lokal di Mindanao Utara, Filipina. Proses penelitian dimulai dengan reduksi dimensi data menggunakan Principal Component Analysis (PCA), yang menghasilkan 6 komponen utama. Penelitian ini juga membandingkan performa lima jenis kernel SVM dan melakukan tuning hyperparameter untuk memperoleh hasil terbaik. Evaluasi model dilakukan dengan menggunakan confusion matrix untuk mengukur akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa performa terbaik tercapai pada pembagian data 80:20 dengan kernel linear dan hyperparameter C=0,1, yang menghasilkan Akurasi 72.73%, Precision 73.33%, Recall 68.75%, F1-Score 70.97%. Temuan ini menunjukkan bahwa pendekatan berbasis SVM dengan PCA dapat menjadi alternatif yang efisien untuk diagnosis ISK.

ENGLISH:

In the context of urinary tract infection (UTI) diagnosis, efficiency in diagnosis determination is essential to reduce the time taken and improve accuracy. UTI is a common health problem, mainly experienced by women, with adult women accounting for about 50% - 60% of the total sufferers. This study aims to develop a more efficient UTI classification system using the Support Vector Machine (SVM) method to replace the traditional urine culture method which requires more time. The study data consisted of 1,436 urinalysis samples with 15 parameters taken from local clinics in Northern Mindanao, Philippines. The research process started with data dimensionality reduction using Principal Component Analysis (PCA), which resulted in 6 principal components. This study also compared the performance of five types of SVM kernels and performed hyperparameter tuning to obtain the best results. Model evaluation was conducted using confusion matrix to measure accuracy, precision, recall, and F1-score. The results showed that the best performance was achieved at 80:20 data split with linear kernel and hyperparameter C=0.1, which resulted in 72.73% accuracy, 73.33% precision, 68.75% recall, and 70.97% F1-score. These findings suggest that an SVM-based approach with PCA can be an efficient alternative for UTI diagnosis.

ARABIC:

في سياق تشخيص التهابات المسالك البولية (UTI)، تعد الكفاءة في تحديد التشخيص أمرًا ضروريًا لتقليل الوقت المستغرق وتحسين الدقة. يعد التهاب المسالك البولية مشكلة صحية شائعة تعاني منها النساء بشكل رئيسي، حيث تمثل النساء البالغات حوالي 50% - 60% من إجمالي المصابين. تهدف هذه الدراسة إلى تطوير نظام أكثر كفاءة لتصنيف التهابات المسالك البولية باستخدام طريقة آلة دعم المتجهات (SVM) لتحل محل الطريقة التقليدية لمزرعة البول التي تتطلب وقتًا أطول. تألفت بيانات الدراسة من 1,436 عينة لتحليل البول مع 15 معيارًا مأخوذة من العيادات المحلية في شمال مينداناو، الفلبين. وقد بدأت عملية البحث بتقليل أبعاد البيانات باستخدام تحليل المكونات الرئيسية (PCA)، والذي نتج عنه 6 مكونات رئيسية. وقارنت هذه الدراسة أيضًا أداء خمسة أنواع من نواة الآلة الكهروضوئية الجبرية المغناطيسية وأُجريت عملية ضبط المعلمة الفائقة للحصول على أفضل النتائج. تم إجراء تقييم للنموذج باستخدام مصفوفة الارتباك لقياس الدقة والدقة والاستدعاء ودرجة F1. أظهرت النتائج أن أفضل أداء تم تحقيقه عند تقسيم البيانات بنسبة 80:20 باستخدام النواة الخطية والمعامل الفائق C=0.1، مما أدى إلى دقة 72.73%، ودقة 73.33%، واسترجاع 68.75%، ودرجة F1 70.97%. تشير هذه النتائج إلى أن النهج القائم على الآلة الكهروضوئية الجذعية مع التحليل المتسلسل المتعدد الكفاءات يمكن أن يكون بديلاً فعالاً لتشخيص التهابات المسالك البولية.