Klasifikasi Pasien Penderita Penyakit Liver Dengan Metode Support Vector Machine

Authors

Abstract

Abstrak — Deteksi dini terhadap penyakit liver sangat penting karena keterlambatan diagnosis dapat menurunkan efektivitas pengobatan. Penelitian ini bertujuan untuk membangun model klasifikasi berbasis algoritma Support Vector Machine (SVM) guna mendeteksi penyakit liver secara awal. Dataset yang digunakan berasal dari UCI Machine Learning Repository, mencakup data pasien dengan berbagai atribut, seperti hasil tes laboratorium dan gejala klinis. Metodologi yang digunakan mengikuti tahapan CRISP-DM, meliputi pemahaman bisnis, eksplorasi data, persiapan data, pembuatan model, evaluasi, dan penerapan. Setelah melalui proses preprocessing, data digunakan untuk melatih dan menguji model SVM dengan berbagai jenis kernel dan teknik oversampling. Pada tahap awal, model terbaik diperoleh dari kombinasi kernel linear dan metode SMOTE+TOMEK pada skenario pembagian data 90:10, menghasilkan akurasi 64,41%. Optimasi lebih lanjut dilakukan melalui penyesuaian hyperparameter menggunakan GridSearch, kernel sigmoid, dan teknik ADASYN. Strategi ini berhasil meningkatkan akurasi sebesar 13,56% hingga mencapai 77,97%. Hasil penelitian menunjukkan bahwa optimasi parameter dan penyeimbangan distribusi kelas secara signifikan meningkatkan performa model. Sebagai pelengkap, dikembangkan dashboard berbasis web untuk menyajikan hasil klasifikasi dan analisis data pasien secara visual dan interaktif.

Kata kunci— Liver, Support Vector Machine, Kalsifikasi, CRISP-DM.

 

Downloads

Download data is not yet available.

References

[1] D. A. Sodikin, E. T. Is’ad, R. Prayoga, and A. N. I. Purwanto, “545-Article Text-2292-2-10-20240123,” Jurnal Prosiding Seminar Nasional Rekayasa, Sains dan Teknologi, vol. 3 No. 1, 2024.

[2] H. Devarbhavi, S. K. Asrani, J. P. Arab, Y. A. Nartey, E. Pose, and P. S. Kamath, “Global burden of liver disease: 2023 update,” Aug. 01, 2023, Elsevier B.V. doi: 10.1016/j.jhep.2023.03.017.

[3] A. Desiani, “Perbandingan Implementasi Algoritma Naïve Bayes dan K-Nearest Neighbor Pada Klasifikasi Penyakit Hati,” SIMKOM, vol. 7, no. 2, pp. 104–110, Jul. 2022, doi: 10.51717/simkom.v7i2.96.

[4] A. Abdussomad, I. Kurniawan, and A. Wibowo, “Prediksi Kemungkinan Penyakit Liver menggunakan Algoritma Klasifikasi Naive Bayes,” Technologia : Jurnal Ilmiah, vol. 15, no. 3, p. 506, Jul. 2024, doi: 10.31602/tji.v15i3.15288.

[5] F. Lia, D. Cahyanti, F. Sarasati, W. Astuti, and E. Firasari, “KLASIFIKASI DATA MINING DENGAN ALGORITMA MACHINE LARNING UNTUK PREDIKSI PENYAKIT LIVER,” 2023. [Online]. Available: https://ojs.uniska-bjm.ac.id/index.php/JIT

[6] H. Tandra, Hati-Hati dengan Hati. Jakarta: Gramedia Pustaka Utama, 2024. [Online]. Available: https://books.google.co.id/books?id=lV8wEQAAQBAJ

[7] A. Surandy, “Tes Fungsi Hati, Langkah Awal Menentukan Kesehatan Hati,” Rumah Sakit Pondok Indah Group. Accessed: Dec. 18, 2024. [Online]. Available: https://www.rspondokindah.co.id/id/news/tes-fungsi-hati-langkah-awal-menentukan-kesehatan-hati

[8] S. A. Naufal, A. Adiwijaya, and W. Astuti, “Analisis Perbandingan Klasifikasi Support Vector Machine (SVM) dan K-Nearest Neighbors (KNN) untuk Deteksi Kanker dengan Data Microarray,” JURIKOM (Jurnal Riset Komputer), vol. 7, no. 1, p. 162, Feb. 2020, doi: 10.30865/jurikom.v7i1.2014.

[9] M. Amir Nugraha, M. Itqan Mazdadi, A. Farmadi, and T. Hamonangan Saragih, “PENYEIMBANGAN KELAS SMOTE DAN SELEKSI FITUR ENSEMBLE FILTER PADA SUPPORT VECTOR MACHINE UNTUK KLASIFIKASI PENYAKIT LIVER,” vol. 10, no. 6, pp. 1273–1284, 2023, doi: 10.25126/jtiik.2023107234.

[10] E. luthfi and U. Amikom, Algoritma Data Mining. Penerbit Andi, 2009. [Online]. Available: https://books.google.co.id/books?id=-Ojclag73O8C

[11] M. A. Rizqian, B. Irawan, and P. Wahyuningsih, “Implementasi Algoritma KNN Untuk Klasifikasi Jurusan Siswa Kelas XI di SMA Al Irsyad Tegal,” JCRD: Journal of Citizen Research and Development, 2024.

[12] A. H. Pratama, BELAJAR MUDAH DAN SINGKAT MACHINE LEARNING: Panduan Praktis dengan Studi Kasus, Kode Program, dan Dataset. Penerbit Andi, 2024. [Online]. Available: https://books.google.co.id/books?id=pFMOEQAAQBAJ

[13] “Penjelasan Lengkap Algoritma Support Vector Machine (SVM),” Trivusi. Accessed: Dec. 18, 2024. [Online]. Available: https://www.trivusi.web.id/2022/04/algoritma-svm.html

[14] R. M. Aldani, A. Bhirawa, and U. Pradema Sanjaya, “FROM DATA IMBALANCE TO PRECISION: SMOTE-DRIVEN MACHINE LEARNING FOR EARLY DETECTION OF KIDNEY DISEASE OPTIMASI KLASIFIKASI DATA TIDAK SEIMBANG PADA DATASET MEDIS PADA KASUS PENYAKIT GINJAL KRONIS DENGAN TEKNIK SMOTE,” JURNAL INOVTEK POLBENG, vol. 10, no. 1, Mar. 2025.

[15] A. A. Arifiyanti and E. D. Wahyuni, “SMOTE: METODE PENYEIMBANG KELAS PADA KLASIFIKASI DATA MINING,” vol. 15, Feb. 2020, [Online]. Available: https://www.cs.

[16] D. Heksaputra, R. Gernowo, and R. R. Isnanto, “Over-Under Sampling Approach with Adaptive Synthetic and Tomek Links Methods to Handle Data Imbalance in Sentence Classification on Halal Assurance Certificate Documents,” Fusion: Practice and Applications, vol. 19, no. 2, pp. 194–210, 2025, doi: 10.54216/FPA.190215.

[17] R. Susetyoko, W. Yuwono, and E. Purwantini, “JIP (Jurnal Informatika Polinema) Model Klasifikasi Pada Seleksi Mahasiswa Baru Penerima KIP Kuliah Menggunakan Regresi Logistik Biner,” 2022.

[18] J. Surya and F. H. Aminuddin, Pemrograman MYSQL Database With Streamlit Python. 2024. Accessed: Jan. 14, 2025. [Online]. Available: https://www.google.co.id/books/edition/Pemrograman_MYSQL_Database_With_Streamli/TkkREQAAQBAJ?hl=id&gbpv=1

Published

2025-12-01

Issue

Pages

1 - 8

Section

Prodi S1 Sistem Informasi - Kampus Surabaya

How to Cite

Alfonsus Yoga Dewa Saputra, Hidayati, S., & Rahmi Lidiawaty, B. (2025). Klasifikasi Pasien Penderita Penyakit Liver Dengan Metode Support Vector Machine. EProceedings of Engineering, 12(6), 1-8. https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/28647