Implementasi Algoritma Svm (Support Vector Machine) Untuk Mengetahui Tingkat Risiko Penyakit Stroke

Penyakit stroke adalah gangguan peredaraan darah di otak, dimana pasokan oksigen dan nutrisi tersumbat. Hal ini mengakibatkan sel saraf di otak mati dan bisa menyebabkan sebagian dari tubuh mengalami kelumpuhan atau bahkan bisa menyebabkan kematian. Penyakit stroke pada prinsipnya bisa dicegah, akan tetapi pada tahap deteksi awal yang diberikan kepada pasien, dibutuhkan waktu yang relatif lama. Oleh karena itu, dibutuhkan sistem yang dapat mempercepat dan memudahkan pendeteksian awal penyakit stroke. Salah satu teknik yang dapat dipakai adalah klasifikasi menggunakan metode Support Vector Machine (SVM). Metode Support Vector Machine (SVM) bertujuan untuk membuat hyperplane atau garis pemisah yang optimal. Kemudian metode Support Vector Machine (SVM) tersebut akan dioptimasi menggunakan metode Simplified Sequential Minimal Optimization (Simplified SMO) agar mendapatkan nilai bobot data yang optimal. Pada penelitian ini digunakan data sebanyak 200. Dimana data normal sebanyak 118, data rentan sebanyak 37, dan data mengkhawatirkan sebanyak 45. Dari hasil pengujian, didapatkan akurasi terbaik adalah ketika pengujian Cross Validation dimana dihasilkan rata-rata akurasi sebesar 0,8939 pada saat panjang fold 5 dengan nilai parameter epsilon 0,001 dan cost 10. Sedangkan standar deviasi terbaik adalah ketika pengujian Cross Validation dimana dihasilkan standar deviasi 0,1005 pada saat panjang fold 10 dengan nilai parameter epsilon 0,001 dan cost 10