IMPLEMENTASI METODE SUPPORT VEKTOR MACHINE (SVM) DALAM PREDIKSI PENYAKIT JANTUNG DENGAN MENGGUNAKAN PYTHON 3

- 205610019, Afifa (2024) IMPLEMENTASI METODE SUPPORT VEKTOR MACHINE (SVM) DALAM PREDIKSI PENYAKIT JANTUNG DENGAN MENGGUNAKAN PYTHON 3. Skripsi thesis, UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA.

	Text _205610019_HALAMAN_DEPAN.pdf - Published Version Download (1MB)
	Text _205610019_BAB_I.pdf - Published Version Download (19kB)
	Text 205610019_BAB_ II.pdf - Published Version Download (232kB)
	Text _205610019_BAB_III.pdf - Published Version Restricted to Repository staff only Download (96kB)
	Text _205610019_BAB IV.pdf - Published Version Restricted to Repository staff only Download (315kB)
	Text _205610019_BAB_V.pdf - Published Version Download (75kB)
	Text _205610019_DAFTAR_PUSTAKA.pdf - Published Version Download (75kB)
	Text _205610019_LISTING_PROGRAM.pdf - Published Version Restricted to Repository staff only Download (350kB)

Abstract

Jantung merupakan susunan sistem saraf yang sangat penting didalam tubuh manusia. Penyakit jantung merujuk pada sekelompok kondisi yang dapat mempengaruhi fungsi normal jantung. Penyakit jantung salah satu contohnya adalah penyakit jantung koroner, gagal jantung, aritmia, dan penyakit jantung bawaan. Kondisi ini dapat mempengaruhi kemampuan jantung untuk memompa darah secara efektif, sehingga menyebabkan gangguan sirkulasi darah, yang akan berpotensi menjadi ancaman serius bagi kesehatan tubuh. Dengan menggunakan metode Support Vektor Machine (SVM) untuk melakukan prediksi penyakit jantung dengan menggunakan Python 3. Jumlah data yang digunakan sebanyak 7.000 dataset yang diambil dari website kaggle, dengan menggunakan pembagian data 80% untuk data latih dan 20% untuk data uji. Dalam penelitian ini, dengan menggunakan Support Vektor Machine (SVM) kernel non linear yaitu menggunakan fungsi kernel Radial Basis Function (RBF) mendapatkan hasil akurasi sebesar 72%, dan dengan menggunakan model evaluasi mendapatkan hasil accuracy sebesar 71%, precision 81%, recall 67%, dan f1-Score 73%. Kata kunci: prediksi penyakit jantung, suport vektor machine, non linear, kernel RBF

Item Type:	Thesis (Skripsi)
Additional Information:	Pembimbing : Dara Kusumawati, S.E., M.M
Uncontrolled Keywords:	Prediksi penyakit jantung, suport vektor machine, non linear, kernel RBF
Subjects:	A Karya Umum (General) > Ilmu Komputer (Computer Science) > Analisis Sistem A Karya Umum (General) > Ilmu Komputer (Computer Science) > Bahasa Pemrograman > Python A Karya Umum (General) > Ilmu Komputer (Computer Science) > Bahasa Pemrograman A Karya Umum (General) > Ilmu Komputer (Computer Science) > Database
Divisions:	Jenjang S1 > Sistem Informasi (S1)
Depositing User:	Mr. Andi Setyanto
Date Deposited:	03 Apr 2024 03:51
Last Modified:	03 Apr 2024 03:51
URI:	http://eprints.utdi.ac.id/id/eprint/10366

Actions (login required)

View Item