<![CDATA[Penyakit Paru-Paru Obstruktif Kronik (PPOK) adalah gangguan pernapasan yang bersifat progresif dan dapat menurunkan kualitas hidup penderitanya. Diagnosis dini dan akurat sangat penting dalam penanganan penyakit ini. Dalam beberapa tahun terakhir, teknologi kecerdasan buatan, khususnya dalam bidang machine learning (ML), telah memberikan kontribusi besar dalam diagnosis medis, termasuk klasifikasi PPOK. Artikel ini mengkaji penerapan algoritma Support Vector Machine (SVM) dalam klasifikasi PPOK, serta membandingkan efektivitasnya dengan algoritma lain seperti K-Nearest Neighbor (KNN) dan Decision Tree. Selain itu, artikel ini juga membahas tantangan dan keuntungan yang terkait dengan penggunaan SVM dalam diagnosis PPOK, serta prosedur dan teknik yang diperlukan untuk meningkatkan akurasi model SVM. Penelitian ini menunjukkan bahwa SVM dapat menghasilkan akurasi yang tinggi dalam klasifikasi PPOK, meskipun pemilihan fitur dan preprocessing data yang tepat menjadi faktor penting dalam optimasi kinerja model. Dengan menggunakan teknik seperti Forward Selection dan kernel Radial Basis Function (RBF), SVM dapat meningkatkan akurasi klasifikasi, memberikan wawasan penting untuk pengembangan lebih lanjut dalam diagnostik berbasis teknologi.]]>
Copyrights © 2025
