PERBANDINGAN METODE NEURAL NETWORK DAN SUPPORT VECTOR MACHINE DALAM KLASIFIKASI DIAGNOSA PENYAKIT DIABETES

Abstract

Terdapat banyak penelitian yang telah dilakukan untuk memprediksi atau mendiagnosa awal penyakit sesuai dengan kondisi yang berkaitan. Penelitian tersebut dilakukan dengan teknik data mining yang terdiri dari berbagai algoritma seperti Naive Bayes, Neural Network, Support Vector Machine (SVM) dan lain-lain. Dengan adanya diagnosis awal atau prediksi, diharapkan dapat menghindari atau mencegah hal yang membahayakan, pada kasus ini adalah terkena penyakit diabetes. Penelitian ini bertujuan untuk mengetahui pengklasifikasian diagnosis penyakit diabetes dan membandingkan dua algoritma yang digunakan yaitu Neural Network dan Support Vector Machine untuk mendapatkan algoritma dengan tingkat akurasi paling baik dalam pengklasifikasian diagnosis penyakit diabetes. Data yang digunakan dalam penelitian ini adalah data sekunder. Data tersebut berjumlah 768 observasi dengan menampilkan 9 atribut, yaitu Pregnancies, Glucose, Blood Pressure, Skin Thickness, Insulin, BMI, Diabetes Pedigree Function, Age dan Outcome. Teknik klasifikasi data mining yang digunakan dalam penelitian ini adalah Neural Network dan Support Vector Machine (SVM). Evaluasi dan validasi model pada penelitian ini menngunakan metode K-Fold Cross Validation (K-Fold=10). Berdasarkan hasil analisis pada penelitian ini didapatkan nilai akurasi untuk metode ANN sebesar 77,60%, sedangkan nilai akurasi untuk metode SVM sebesar 65,24%. Artinya penggunaan metode ANN lebih baik daripada SVM untuk mengklasifikasikan seseorang menderita diabetes atau tidak. Sedangkan untuk metode ANN memiliki nilai AUC sebesar 0,834 sehingga dapat dikategorikan dalam good classification.