Implementasi Algoritma Support Vector Machine (SVM) untuk Prediksi Penyakit Stroke dengan Atribut Berpengaruh

Ulfa Amelia (Universitas Buana Perjuangan Karawang)
Jamaludin Indra (Universitas Buana Perjuangan Karawang)
Anis Masruriyah (Universitas Buana Perjuangan Karawang)

Scientific Student Journal for Information, Technology and Science
Vol. 3 No. 2 (2022): Scientific Student Journal for Information, Technology and Science

Strok menjadi penyakit yang menduduki peringkat ketiga di Indonesia setelah jantung dan kanker. Seringkali manusia lengah dalam menyadari adanya penyakit Strok. Kurangnya tenaga medis di Indonesia membuat masyarakat sulit untuk mendeteksi dini penyakit strok. Oleh karena itu penelitian ini dilakukan untuk memprediksi adanya penyakit Strok menggunakan Algoritma Support Vector Machine (SVM) untuk klasifikasi himpunan data yang menggunakan Metode Confusion Matrix. Pengujian algoritma SVM menggunakan Kernel Linear untuk mendapatkan hasil terbaik. Penelitian menggunakan algoritma Support Vector Machine (SVM) dengan Relief-f. Data yang menggunakan 3426 Baris dan lima kolom. Hasil pengujian menghasilkan akurasi data sebesar 100%.