Penerapan algoritma genetika untuk seleksi fitur dalam klasifikasi data rekam medis PCOS menggunakan SVM

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Novianti, Fahriza (2023) Penerapan algoritma genetika untuk seleksi fitur dalam klasifikasi data rekam medis PCOS menggunakan SVM. Undergraduate thesis, UIN Sunan Ampel Surabaya.

Text
Fahriza Novianti_H02219008 ok.pdf
Download (6MB)

Abstract

PCOS (Polycystic Ovary Syndrome) adalah gangguan hormonal pada wanita yang dapat menyebabkan infertilitas. PCOS kebanyakan menyerang wanita pada usia reproduksi, tetapi sering tidak terdeteksi karena kurangnya kesadaran akan kondisi tersebut. Oleh karena itu, deteksi dini perlu dilakukan untuk tindakan pengobatan atau pencegahan PCOS. Diagnosa dapat dilakukan dengan melakukan klasifikasi pada data rekam medis pasien. Dalam penelitian ini, digunakan 40 variabel yang mencakup data hormonal, USG, dan data kesehatan lainnya. Metode yang digunakan untuk klasifikasi adalah Support Vector Machine (SVM). SVM dapat mengatasi masalah data nonlinier dengan menggunakan konsep kernel. Untuk meningkatkan akurasi, seleksi fitur dilakukan menggunakan algoritma genetika. Seleksi fitur algoritma genetika menghasilkan 19 fitur yang signifikan. Dengan menggunakan fitur yang terpilih, hasil klasifikasi menghasilkan akurasi= 0.9426, sensitivitas= 0.8757, dan spesifisitas= 0.9752. Hasil klasifikasi SVM tanpa seleksi fitur dengan menggunakan kernel yang sama yaitu akurasi= 0.8246, sensitivitas= 0.6091, dan spesifisitas= 0.9725. Penelitian ini menyimpulkan bahwa implementasi kedua metode tersebut menghasilkan kinerja yang baik.