<![CDATA[Polycistic Ovarium Syndrom (PCOS) merupakan gangguan hormonal yang terjadi pada Wanita usia produktif dan bisa mengakibatkan infertilitas. PCOS sendiri belum diketahui penyebab pastinya tetapi factor genetic dan pola hidup merupakan factor yang dapat memengaruhi seorang Wanita terkena PCOS. Penelitian ini bertujuan melakukan deteksi PCOS berdasarkan data yang terdiri dari umur, indeks masa tubuh, level testosterone serta jumlah folikel. Data awal yang didapat memiliki distribusi yang tidak baik atau bisa dikatakan tidak seimbang. Peneliti melakukan Explanatory Data Analysis (EDA) pada tahap awal dengan membuat scatterplot untuk mencari korelasi setiap fitur dengan kelas target. Hasilnya ada fitur keteraturan haid yang nilai kealpaannya sangat mempengaruhi deteksi PCOS sehingga dilakukan penghapusan data pada nilai null pada fitur tersebut. Setelah itu dilakukan klasifikasi Support Vector Machine (SVM) untuk memisahkan kelas terdiagnosa PCOS atau tidak. Beberapa kernel SVM diujikan untuk mengetahui hasil terbaik yang bisa dihasilkan. Evaluasi dilakukan dengan menghitung akurasi, precision, recall dan f1-score pada confussion matrix yang terbentuk. Hasil dari penelitian menunjukkan bawa kernel polynomial memberikan hasil klasifikasi terbaik dengan akurasi sebesar 89,62%, precision 81,08%, recall 88,23% dan f1-score 84,5%. Penelitian ini mengonfirmasi bahwa kombinasi EDA dan SVM dapat digunakan sebagai pendekatan yang efektif dalam mendukung deteksi PCOS.]]>
Copyrights © 2025
