Implementasi Algoritma Support Vector Machine (SVM) dengan Seleksi Fitur Algoritma Genetika (GA) untuk Prediksi Penyakit Jantung

Athallah Ramde Pikuang, Nesa

Journal of Innovative and Creativity
Vol. 6 No. 2 (2026)

Penyakit jantung merupakan salah satu penyakit dengan tingkat kematian yang tinggi sehingga diperlukan metode prediksi yang akurat untuk membantu proses diagnosis dini. Penelitian ini bertujuan untuk mengimplementasikan algoritma Support Vector Machine (SVM) dengan metode seleksi fitur Algoritma Genetika (GA) dalam prediksi penyakit jantung. Dataset yang digunakan terdiri dari 918 data pasien dengan 11 fitur. Pengembangan dilakukan menggunakan metode prototype dan diuji melalui black-box testing. Hasil pengujian menunjukkan bahwa penerapan algoritma GA pada model SVM mampu meningkatkan akurasi dari 85,32% menjadi 87,5% serta mengoptimalkan penggunaan fitur dari 11 menjadi 9 fitur. Dengan demikian, penerapan seleksi fitur menggunakan algoritma GA pada model SVM mampu menghasilkan performa prediksi yang lebih baik.