Klasifikasi penderita penyakit diabetes berbasis data rekam medis menggunakan Support Vector Machine (SVM)

INDONESIA :

Banyak penderita diabetes secara global yang terdiagnosa diabetes setelah mengalami komplikasi. Padahal, jika diagnosis dilakukan secara dini, penanganan diabetes dapat dilakukan lebih cepat dan dapat menghindari komplikasi penyakit lain yang berbahaya. Hal tersebut dapat didukung dengan penggunaan teknik data mining dalam menggali informasi berharga dari kumpulan data penyakit diabetes. Support Vector Machine (SVM) merupakan salah satu algoritma pada metode klasifikasi. Metode ini merupakan metode mesin pembelajaran dengan tujuan menemukan hyperplane (fungsi pemisah). Tujuan dari penelitian ini mengukur performa sistem klasifikasi penyakit diabetes menggunakan algoritma Support Vector Machine. Hasil dari penelitian ini percobaan yang memiliki hasil paling baik adalah uji coba menggunakan kernel Linear 7 fitur. Dengan nilai akurasi sebesar 79.65%, presisi sebesar 66.26% serta recall dengan nilai 74.32%. Sehingga dapat disimpulkan bahwa dalam klasifikasi menggunakan metode Support Vector Machine, dengan input jumlah fitur yang berbeda maka hasil klasifikasi yang dihasilkan maka berbeda pula. Penggunaan jumlah fitur yang banyak bukan jaminan hasil klasifikasi akan baik juga, karna berpotensi terjadi noise pada proses klasifikasi. Namun dengan penggunaan jumlah fitur yang sedikit juga dapat menghilangkan fitur penting yang dapat membuat performa klasifikasi menjadi lebih baik.

ENGLISH:

Diabetes are globally diagnosed in several diabetic patients after they experience complications. In fact, if the diagnosis is made early, diabetes treatment can be carried out more quickly and complications of other dangerous diseases can be avoided. This can be supported by the use of data mining techniques in obtaining valuable information from diabetes data sets. Support Vector Machine (SVM) is one of the algorithms in the classification method. This method is a machine learning method aiming to find a hyperplane (separator function). This study aims to measure the performance of the diabetes classification system using the Support Vector Machine algorithm. The results of this study indicate that the experiment having the best results was the trial using the 7 features of Linear kernel. The accuracy value is 79.65%, the precision is 66.26% and the recall value is 74.32%. This, it can be concluded that within the classification using the Support Vector Machine method, with a different input of number of features, the classification results are different. In addition, the use of a large number of features cannot guarantee that the classification results will be good since noise has the potential to occur during the classification process. However, using a small number of features can also eliminate important features, which can make classification performance better.

ARABIC:

يتم تشخيص العديد من مرضى السكري على مستوى العالم بمرض السكري بعد تعرضهم لمضاعفات. في الواقع، إذا تم التشخيص مبكرا، يمكن إجراء علاج مرض السكري بشكل أسرع ويمكن تجنب مضاعفات الأمراض الخطيرة الأخرى. يمكن دعم ذلك من خلال استخدام تقنيات استخراج البيانات في استخراج معلومات قيمة من مجموعات بيانات مرض السكري. آلة المتجه الداعمة (SVM) هي إحدى الخوارزميات في طريقة التصنيف. هذه الطريقة هي طريقة تعلم آلي بهدف العثور على المستوى الفائق (وظيفة الفاصل). الهدف من هذا البحث هو قياس أداء نظام تصنيف مرض السكري باستخدام خوارزمية آلة المتجه الداعمة. كانت نتيجة هذا البحث التي حققت أفضل النتائج هي تجربة باستخدام الجبر الخطي بسبع ميزات. مع قيمة الدقة ٧٩.٦٥% والضبط ٦٦.٢٦% والاستدعاء ٧٤.٣٢%. لذلك يمكن الاستنتاج منها أن في التصنيف باستخدام آلة المتجه الداعمة، مع إدخال عدد من الميزات المختلفة، تختلف نتائج التصنيف الناتجة. إن استخدام عدد كبير من الميزات لا يضمن أن نتائج التصنيف ستكون جيدة أيضا، لأن هناك إمكانية للضوضاء في عملية التصنيف. ومع ذلك، فإن استخدام عدد صغير من الميزات يمكن أن يؤدي أيضا إلى التخلص من الميزات المهمة التي يمكن أن تجعل أداء التصنيف أفضل.