Perbandingan Algoritma Support Vector Machine dan Naïve Bayes pada Klasifikasi Penyakit Tekanan Darah Tinggi (Studi Kasus: Klinik Polresta Samarinda)

Raka Putra Pridiptama (Laboratorium Matematika Komputasi Program Studi Matematika Jurusan Matematika FMIPA Universitas Mulawarman)
Wasono Wasono (Laboratorium Matematika Komputasi Program Studi Matematika Jurusan Matematika FMIPA Universitas Mulawarman)
Fidia Deny Tisna Amijaya (Laboratorium Matematika Komputasi Program Studi Matematika Jurusan Matematika FMIPA Universitas Mulawarman)

Basis : Jurnal Ilmiah Matematika
Vol 3 No 1 (2024): BASIS: Jurnal Ilmiah Matematika

Klasifikasi adalah suatu proses untuk menemukan sifat-sifat yang sama dalam suatu himpunan data untuk diklasifikasikan ke dalam kelas-kelas yang berbeda. Algoritma metode klasifikasi yang digunakan dalam penelitian ini adalah support vector machine (SVM) dan naïve Bayes. Algoritma SVM adalah supervised learning yang bekerja dengan mencari hyperplane atau fungsi pemisah terbaik untuk memisahkan kelas, sedangkan naïve Bayes adalah supervised learning yang didasarkan pada asumsi kemandirian (naif) antar prediktor yang dikenal dengan teorema Bayes. Penelitian ini bertujuan untuk mengetahui model dan keakuratan algoritma SVM dan naïve Bayes dalam melakukan klasifikasi terhadap status hipertensi dari rekam medis pasien di Klinik Polresta Samarinda tahun 2022. Berdasarkan analisis akurasi pada algoritma SVM sebesar 96,67% dengan tepat mengklasifikasikan 29 dari 30 data sedangkan pada algoritma naïve Bayes sebesar 93,33% dengan tepat mengklasifikasikan 28 dari 30 data. Hasil perbandingan pengukuran akurasi dari kedua algoritma tersebut menunjukkan bahwa algoritma SVM memiliki tingkat akurasi yang lebih baik dibandingkan dengan algoritma naïve Bayes.