Implementasi metode support vector machine pada klasifikasi diagnosis penyakit hipertensi

ABSTRAK

Hipertensi merupakan salah satu penyakit yang menjadi penyebab utama kematian di dunia. Penyakit ini sering kali disebut the silent killer karena penyakit ini dapat menyebabkan kematian tanpa disadari yang mana orang yang mengidap hipertensi tidak memiliki keluhan. Oleh karena itu, deteksi dan penanganan dini hipertensi adalah hal yang sangat penting. Penelitian ini bertujuan untuk mendapatkan klasifikasi penyakit hipertensi menggunakan metode Support Vector Machine (SVM) dengan menggunakan berbagai atribut seperti usia, kebiasaan merokok, gaya hidup, tekanan darah, dan diagnosis hipertensi serta mengetahui tingkat akurasi dari hasil klasifikasi penyakit hipertensi dengan metode SVM. Metode SVM dilatih dengan berbagai parameter kernel dan hyperparameter untuk menemukan model terbaik. Hasil penelitian menunjukkan bahwa model terbaik untuk klasifikasi penyakit hipertensi dengan metode SVM menggunakan kernel RBF dengan parameter C = 100 dan γ (gamma) = 0,1 dengan akurasi sebesar 97,15%. Hal ini menunjukkan bahwa metode SVM mampu mengklasifikasikan penyakit hipertensi dengan sangat baik serta mampu memberikan kontribusi yang signifikan dalam deteksi dini dan penanganan penyakit hipertensi.

ABSTRACT

Hypertension is one of the leading causes of death worldwide. This disease is often referred to as the silent killer because it can lead to death without noticeable symptoms, leaving those affected unaware of their condition. Therefore, early detection and management of hypertension are crucial. This research aims to obtain the classification of hypertension using the Support Vector Machine (SVM) method by utilizing various attributes such as age, smoking habits, lifestyle, blood pressure, and hypertension diagnosis, as well as determining the accuracy level of hypertension classification results using the SVM method. The SVM method is trained with various kernel parameters and hyperparameters to find the best model. The research findings indicate that the best model for classifying hypertension using the SVM method employs the RBF kernel with parameters C = 100 and γ (gamma) = 0,1, achieving an accuracy of 97.15%. This demonstrates that the SVM method is capable of classifying hypertension very well and significantly contributes to the early detection and management of hypertension.

مستخلص البحث

ارتفاع ضغط الدم هو أحد الأسباب الرئيسية للوفاة في العالم. وغالباًما يطلق على هذا المرض اسم "القاتل الصامت" لأنه يمكن أن يتسبب الوفاة دون علم الشخص المصباب بارتفاع ضغط الدم عندما لايشكو من ارتفاع ضغط الدم. لذلك، فإن الكشف عن ارتفاع ضغط الدم وعلاجه امرمهم للغاية. يهدف هذا البحث إلى الحصول على تصنيف للأشخاص المصابين بارتفاع ضغط الدم باستخدام طريقة آلة المتجهات (SVM) باستخدام سمات مختلفة مثل العمر، وعادة التدخين، ونمط الحياة، وضغط الدم، وتشخيص ارتفاع ضغط الدم لتحديد دقة نتائج تصنيف مرض ارتفاع ضغط الدم باستخدام طريقة SVM. تم تدريب طريقة SVM باستخدام معلمات نواة مختلفة والمعلمات فائقة للعثور على أفضل نموذج. أظهرت النتائج أن أفضل نموذج لتصنيف البذور الزيتية باستخدام طريقة SVM استخدم نواة RBF مع المعلماة =100 C و γ (gamma) = 0,1 بدقةى 97,15% وهذا يدل على أن طريقة SVM قادرة على تصنيف المصابين بارتفاع ضغط الدم بشكل جيد للغاية، و يمكن أن يسهم بشكل كبير في الكشف المبكر عن المصابين بارتفاع ضغط الدم وعلاجهم.