PERBANDINGAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) DAN SEQUENTIAL FORWARD SELECTION (SFS) DENGAN SUPPORT VECTOR MACHINE (SVM) DALAM KLASIFIKASI DIABETES

SA, PUTRA (2023) PERBANDINGAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) DAN SEQUENTIAL FORWARD SELECTION (SFS) DENGAN SUPPORT VECTOR MACHINE (SVM) DALAM KLASIFIKASI DIABETES. S1 thesis, Universitas Mataram.

	Text TA_Saputra_F1B019129.pdf Restricted to Repository staff only Download (2MB)
Preview	Text Jurnal TA_Saputra_F1B019129.pdf Download (439kB) | Preview

Abstract

Diabetes merupakan salah satu penyakit kronis dan dapat menyebabkan berbagai komplikasi jangka panjang jika tidak ditangani dengan baik, sehingga untuk mencegah hal tersebut diperlukan sebuah model machine learning yang dapat memberikan prediksi terhadap diabetes dengan akurasi yang tinggi. Tujuan dari penelitian ini adalah melihat pengaruh pengurangan jumlah dimensi dari fitur terhadap performa model, melihat perbandingan model yang menggunakan teknik sequential forward selection (SFS) dan principal component analysis (PCA) dengan menggunakan algoritma support vector machine (SVM), dan membuat website yang dapat digunakan untuk prediksi diabetes. Pada penelitian ini menggunakan data Pima Indian Dataset, dataset akan melalui tahap data preprocessing lalu akan dibuat dua buah model yaitu PCA-SVM dan SFS-SVM untuk dilihat pengaruh pengurangan jumlah dimensi dari fitur terhadap performa model. Perancangan website dilakukan untuk mengembangkan website prediksi diabetes dengan menggunakan model terbaik. Hasil penelitian menunjukkan bahwa pengurangan jumlah dimensi pada fitur menggunakan SFS dan PCA meningkatkan performa model. Didapatkan metode SFS-SVM dengan performa terbaik pada fitur hasil seleksi berjumlah 6, sedangkan dari metode PCA-SVM pada principal component berjumlah 4. Model SFS-SVM lebih baik dalam mengklasifikasikan individu yang tidak terkena diabetes, sedangkan model PCA-SVM lebih baik dalam mengklasifikasikan individu yang terkena diabetes.

Item Type:	Thesis (S1)
Keywords (Kata Kunci):	Principal Component Analysis, Support Vector Machine, Sequential Forward Selection, Diabetes, Machine learning
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Fakultas Teknik
Depositing User:	Meike Megawati
Date Deposited:	01 Nov 2023 23:36
Last Modified:	01 Nov 2023 23:36
URI:	http://eprints.unram.ac.id/id/eprint/43031

Actions (login required)

View Item