PENERAPAN TEKNIK SMOTE PADA KLASIFIKASI PENYAKIT STROKE DENGAN ALGORITMA SUPPORT VECTOR MACHINE
DOI:
https://doi.org/10.31849/zn.v7i1.24731Keywords:
Stroke, Support Vector Machine, SMOTE, Ketidakseimbangan Data, Deteksi DiniAbstract
Stroke adalah kondisi darurat medis yang dapat menyebabkan kerusakan otak atau kematian. Deteksi dini dan klasifikasi risiko stroke sangat penting untuk pencegahan dan penanganannya. Penelitian ini menggunakan dataset sebanyak 5110 data untuk meningkatkan akurasi klasifikasi stroke dengan algoritma Support Vector Machine (SVM) pada data tidak seimbang. Teknik Synthetic Minority Over-sampling Technique (SMOTE) diterapkan untuk menyeimbangkan data stroke dan non-stroke, yang dapat meningkatkan performa model. SVM diuji dengan berbagai kernel, yaitu Linear, RBF, Polynomial, dan Sigmoid, serta variasi parameter pada masing-masing kernel untuk mencari konfigurasi optimal. Hasil pengujian menunjukkan penerapan SMOTE meningkatkan akurasi, presisi, dan recall, dengan kernel RBF mencapai akurasi tertinggi 92% pada parameter Cost 100 dan Gamma 1. Temuan ini menunjukkan bahwa penggunaan SMOTE dan optimasi parameter SVM dapat menghasilkan model klasifikasi yang lebih efektif dalam mendeteksi risiko stroke pada data tidak seimbang.
References
[1] M. T. N. Rosmary and F. Handayani, “Hubungan Pengetahuan Keluarga dan Perilaku Keluarga pada Penanganan Awal Kejadian Stroke,” Journal of Holistic Nursing and Health Science, vol. 3, no. 1, pp. 32–39, 2020.
[2] B. P. Tomasouw and F. Y. Rumlawang, “Penerapan Metode SVM Untuk Deteksi Dini Penyakit Stroke (Studi Kasus : RSUD Dr. H. Ishak Umarella Maluku Tengah dan RS Sumber Hidup-GPM),” Tensor: Pure and Applied Mathematics Journal, vol. 4, no. 1, pp. 37–44, Jun. 2023, doi: 10.30598/tensorvol4iss1pp37-44.
[3] M. I. Tew, L. C. Goo, M. S. Said, H. I. Zahari, and N. A. Ali, “Oral health related quality of life in stroke survivors at community-based rehabilitation centre: A pilot study,” Makara Journal of Health Research, vol. 24, no. 1, pp. 21–26, 2020, doi: 10.7454/msk.v24i1.1181.
[4] V. L. Feigin et al., “World Stroke Organization (WSO): Global Stroke Fact Sheet 2022,” Jan. 01, 2022, SAGE Publications Inc. doi: 10.1177/17474930211065917.
[5] V. Adelina, D. E. Ratnawati, and M. A. Fauzi, “Klasifikasi Tingkat Risiko Penyakit Stroke Menggunakan Metode GA-Fuzzy Tsukamoto,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 2, no. 9, pp. 3015–3021, 2018, [Online]. Available: http://j-ptiik.ub.ac.id
[6] W. Mucholladin, F. Abdurrachman Bachtiar, and M. T. Furqon, “Klasifikasi Penyakit Diabetes menggunakan Metode Support Vector Machine,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 5, no. 2, pp. 622–633, 2021, [Online]. Available: http://j-ptiik.ub.ac.id
[7] R. Estian Pambudi, Sriyanto, and Firmansyah, “Klasifikasi Penyakit Stroke Menggunakan Algoritma Decision Tree C.45,” Jurnal Teknika, vol. 16, no. 02, pp. 221–226, 2022.
[8] M. Azhima, I. Afrianty, E. Budianita, and S. Kurnia Gusti, “Penerapan Metode Backpropagation Neural Network untuk Klasifikasi Penyakit Stroke,” KLIK: Kajian Ilmiah Informatika dan Komputer, vol. 4, no. 6, pp. 3013–3021, 2024, doi: 10.30865/klik.v4i6.1956.
[9] P. Melani Almahmuda Batubara, I. Afrianty, S. Sanjaya, and F. Syafria, “Klasifikasi Penyakit Stroke Jaringan Syaraf Tiruan Menerapkan Metode Learning Vector Quantization,” Jurnal Informatika Universitas Pamulang, vol. 8, no. 2, pp. 223–228, 2023.
[10] W. Anugrah, E. Haerani, Yusra, and L. Oktavia, “Klasifikasi Penyakit Cacar Monyet Menggunakan Metode Support Vector Machine,” Journal of Computer System and Informatics (JoSYC), vol. 5, no. 3, pp. 558–566, 2024, doi: 10.47065/josyc.v5i3.5149.
[11] H. Apriyani and kurniati, “Perbandingan Metode Naïve Bayes Dan Support Vector Machine Dalam Klasifikasi Penyakit Diabetes Melitus,” Journal of Information Technology Ampera, vol. 1, no. 3, pp. 2774–2121, 2020, [Online]. Available: https://journal-computing.org/index.php/journal-ita/index
[12] S. Rahayu and Y. Yamasari, “Klasifikasi Penyakit Stroke dengan Metode Support Vector Machine (SVM),” Journal of Informatics and Computer Science, vol. 05, no. 03, pp. 440–446, 2024.
[13] S. R. Bagaskara and D. H. Bangkalang, “Analisis dan Implementasi Market Basket Analysis (MBA) Menggunakan Algoritma Apriori dengan Dukungan Visualisasi Data,” Jurnal Sistem Komputer dan Informatika (JSON), vol. 4, no. 4, p. 612, Jul. 2023, doi: 10.30865/json.v4i4.6351.
[14] S. L. Harris and D. Harris, “Architecture,” Digital Design and Computer Architecture, pp. 298–390, Jan. 2022, doi: 10.1016/B978-0-12-820064-3.00006-4.
[15] Harmain, H. Kurniawan, Kusrini, and D. Maulina, “Normalisasi Data Untuk Efisiensi K-Means Pada Pengelompokan Wila-yah Berpotensi Kebakaran Hutan Dan Lahan Berdasarkan Sebaran Titik Panas,” TEKNIMEDIA, vol. 2, no. 2, pp. 83–89, 2021.
[16] Toha, P. Purwono, and W. Gata, “Model Prediksi Kualitas Udara dengan Support Vector Machines dengan Optimasi Hyperparameter GridSearch CV,” Buletin Ilmiah Sarjana Teknik Elektro, vol. 4, no. 1, pp. 12–21, May 2022, doi: 10.12928/biste.v4i1.6079.
[17] E. Sutoyo and M. Asri Fadlurrahman, “Penerapan SMOTE untuk Mengatasi Imbalance Class dalam Klasifikasi Television Advertisement Performance Rating Menggunakan Artificial Neural Network,” Jurnal Edukasi dan Penelitian Informatika, vol. 6, no. 3, pp. 379–385, 2020.
[18] S. Ramadhan and A. Salam, “Teknik Random Undersampling untuk Mengatasi Ketidakseimbangan Kelas pada CT Scan Kista Ginjal,” Techno.COM, vol. 23, no. 1, pp. 20–28, 2024.
[2] B. P. Tomasouw and F. Y. Rumlawang, “Penerapan Metode SVM Untuk Deteksi Dini Penyakit Stroke (Studi Kasus : RSUD Dr. H. Ishak Umarella Maluku Tengah dan RS Sumber Hidup-GPM),” Tensor: Pure and Applied Mathematics Journal, vol. 4, no. 1, pp. 37–44, Jun. 2023, doi: 10.30598/tensorvol4iss1pp37-44.
[3] M. I. Tew, L. C. Goo, M. S. Said, H. I. Zahari, and N. A. Ali, “Oral health related quality of life in stroke survivors at community-based rehabilitation centre: A pilot study,” Makara Journal of Health Research, vol. 24, no. 1, pp. 21–26, 2020, doi: 10.7454/msk.v24i1.1181.
[4] V. L. Feigin et al., “World Stroke Organization (WSO): Global Stroke Fact Sheet 2022,” Jan. 01, 2022, SAGE Publications Inc. doi: 10.1177/17474930211065917.
[5] V. Adelina, D. E. Ratnawati, and M. A. Fauzi, “Klasifikasi Tingkat Risiko Penyakit Stroke Menggunakan Metode GA-Fuzzy Tsukamoto,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 2, no. 9, pp. 3015–3021, 2018, [Online]. Available: http://j-ptiik.ub.ac.id
[6] W. Mucholladin, F. Abdurrachman Bachtiar, and M. T. Furqon, “Klasifikasi Penyakit Diabetes menggunakan Metode Support Vector Machine,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 5, no. 2, pp. 622–633, 2021, [Online]. Available: http://j-ptiik.ub.ac.id
[7] R. Estian Pambudi, Sriyanto, and Firmansyah, “Klasifikasi Penyakit Stroke Menggunakan Algoritma Decision Tree C.45,” Jurnal Teknika, vol. 16, no. 02, pp. 221–226, 2022.
[8] M. Azhima, I. Afrianty, E. Budianita, and S. Kurnia Gusti, “Penerapan Metode Backpropagation Neural Network untuk Klasifikasi Penyakit Stroke,” KLIK: Kajian Ilmiah Informatika dan Komputer, vol. 4, no. 6, pp. 3013–3021, 2024, doi: 10.30865/klik.v4i6.1956.
[9] P. Melani Almahmuda Batubara, I. Afrianty, S. Sanjaya, and F. Syafria, “Klasifikasi Penyakit Stroke Jaringan Syaraf Tiruan Menerapkan Metode Learning Vector Quantization,” Jurnal Informatika Universitas Pamulang, vol. 8, no. 2, pp. 223–228, 2023.
[10] W. Anugrah, E. Haerani, Yusra, and L. Oktavia, “Klasifikasi Penyakit Cacar Monyet Menggunakan Metode Support Vector Machine,” Journal of Computer System and Informatics (JoSYC), vol. 5, no. 3, pp. 558–566, 2024, doi: 10.47065/josyc.v5i3.5149.
[11] H. Apriyani and kurniati, “Perbandingan Metode Naïve Bayes Dan Support Vector Machine Dalam Klasifikasi Penyakit Diabetes Melitus,” Journal of Information Technology Ampera, vol. 1, no. 3, pp. 2774–2121, 2020, [Online]. Available: https://journal-computing.org/index.php/journal-ita/index
[12] S. Rahayu and Y. Yamasari, “Klasifikasi Penyakit Stroke dengan Metode Support Vector Machine (SVM),” Journal of Informatics and Computer Science, vol. 05, no. 03, pp. 440–446, 2024.
[13] S. R. Bagaskara and D. H. Bangkalang, “Analisis dan Implementasi Market Basket Analysis (MBA) Menggunakan Algoritma Apriori dengan Dukungan Visualisasi Data,” Jurnal Sistem Komputer dan Informatika (JSON), vol. 4, no. 4, p. 612, Jul. 2023, doi: 10.30865/json.v4i4.6351.
[14] S. L. Harris and D. Harris, “Architecture,” Digital Design and Computer Architecture, pp. 298–390, Jan. 2022, doi: 10.1016/B978-0-12-820064-3.00006-4.
[15] Harmain, H. Kurniawan, Kusrini, and D. Maulina, “Normalisasi Data Untuk Efisiensi K-Means Pada Pengelompokan Wila-yah Berpotensi Kebakaran Hutan Dan Lahan Berdasarkan Sebaran Titik Panas,” TEKNIMEDIA, vol. 2, no. 2, pp. 83–89, 2021.
[16] Toha, P. Purwono, and W. Gata, “Model Prediksi Kualitas Udara dengan Support Vector Machines dengan Optimasi Hyperparameter GridSearch CV,” Buletin Ilmiah Sarjana Teknik Elektro, vol. 4, no. 1, pp. 12–21, May 2022, doi: 10.12928/biste.v4i1.6079.
[17] E. Sutoyo and M. Asri Fadlurrahman, “Penerapan SMOTE untuk Mengatasi Imbalance Class dalam Klasifikasi Television Advertisement Performance Rating Menggunakan Artificial Neural Network,” Jurnal Edukasi dan Penelitian Informatika, vol. 6, no. 3, pp. 379–385, 2020.
[18] S. Ramadhan and A. Salam, “Teknik Random Undersampling untuk Mengatasi Ketidakseimbangan Kelas pada CT Scan Kista Ginjal,” Techno.COM, vol. 23, no. 1, pp. 20–28, 2024.
Downloads
Published
2025-01-02
Issue
Section
Articles
License
CC BY-SA 4.0
Attribution-ShareAlike 4.0
You are free to:
- Share — copy and redistribute the material in any medium or format for any purpose, even commercially.
- Adapt — remix, transform, and build upon the material for any purpose, even commercially.
- The licensor cannot revoke these freedoms as long as you follow the license terms.
Under the following terms:
- Attribution — You must give appropriate credit , provide a link to the license, and indicate if changes were made . You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
- ShareAlike — If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
- No additional restrictions — You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.
Notices:
You do not have to comply with the license for elements of the material in the public domain or where your use is permitted by an applicable exception or limitation .
No warranties are given. The license may not give you all of the permissions necessary for your intended use. For example, other rights such as publicity, privacy, or moral rights may limit how you use the material.
How to Cite
[1]
“PENERAPAN TEKNIK SMOTE PADA KLASIFIKASI PENYAKIT STROKE DENGAN ALGORITMA SUPPORT VECTOR MACHINE”, zn, vol. 7, no. 1, pp. 61–74, Jan. 2025, doi: 10.31849/zn.v7i1.24731.
