Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Buletin Ilmiah Ilmu Komputer dan Multimedia (BIIKMA) APPA : Jurnal Pengabdian Kepada Masyarakat
Muhammad Ayub Yunus
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Buletin Ilmiah Ilmu Komputer dan Multimedia (BIIKMA)

 1 
Literature Review: Klasifikasi Penyakit Paru-Paru Obstruktif Kronik Menggunakan Algoritma SVM Idham Nursyifa Hadiansyah; Muhammad Ayub Yunus; Rahmat Hidayat; Rahmat Ramdani; Perani Rosyani
Buletin Ilmiah Ilmu Komputer dan Multimedia Vol 2 No 3 (2024): Buletin Ilmiah Ilmu Komputer dan Multimedia (BIIKMA)
Publisher : Shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Ulasan literatur ini membahas tentang cara sistem pakar mengelompokkan penyakit paru-paru obstruktif kronik dengan menggunakan teknik Support Vector Machine. SVM adalah salah satu metode yang sering digunakan untuk mengklasifikasikan dan melakukan regresi. Penelitian ini bertujuan untuk mengevaluasi keefektifan penggunaan metode SVM dalam sistem pakar untuk mengidentifikasi penyakit paru paru obstruktif kronik. Penyakit Paru-Paru Obstruktif Kronik adalah penyakit jangka panjang yang memengaruhi sistem pernapasan dan biasanya menyebabkan pasien mengalami penurunan kualitas hidup. Deteksi penyakit sejak awal dan klasifikasi yang tepat sangat penting untuk menentukan pengobatan yang sesuai. Penelitian ini ingin membuat sistem untuk mengelompokkan Penyakit Paru-Paru Obstruktif Kronik dengan menggunakan algoritma Support Vector Machine (SVM). Algoritma ini adalah jenis program komputer yang bisa belajar dari data dan digunakan untuk mengelompokkan data berdasarkan pola yang ada. Data yang digunakan berasal dari pasien yang memiliki riwayat Penyakit Paru-Paru Obstruktif Kronik. Data tersebut terdiri dari berbagai informasi klinis seperti kapasitas paru-paru, riwayat merokok, usia, dan hasil tes fungsi paru. Pengolahan data melibatkan praproses data untuk mengatasi data yang hilang dan normalisasi untuk meningkatkan akurasi model. Hasil eksperimen menunjukkan bahwa algoritma SVM memiliki tingkat ketepatan yang tinggi dalam mengidentifikasi pasien yang menderita Penyakit Paru-Paru Obstruktif Kronik dari pasien yang sehat, serta dalam menilai tingkat keparahan penyakit. Oleh karena itu, algoritma SVM bisa dijadikan pilihan yang efektif dalam membantu diagnosis dan pengambilan keputusan klinis terkait Penyakit Paru-Paru Obstruktif Kronik.
Co-Authors Anis Ilahi Putri Dwi Santosa Idham Nursyifa Hadiansyah Ilham Fauzi Latifa Suwari Fadilla Nurhaliza Zahra Perani Rosyani Rahmat Hidayat Rahmat Ramdani Santi Rahayu Taufiq Muhaziz