Statistika, Vol. 2, No. 2, November 2014 Klasifikasi Tuberkulosis dengan Pendekatan Metode Supports Vector Machine (SVM) Moh. Yamin Darsyah Program Studi Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muhammadiyah Semarang Alamat e-mail : yamindarsyah@unimus.ac.id Klasifikasi Tuberkulosis dengan Pendekatan Metode Supports Vector Machine (SVM)

Menu Tuberkulosis SVM Data Penelitian Variabel Penelitian Hasil Penelitian Kesimpulan Daftar Pustaka Klasifikasi Tuberkulosis dengan Pendekatan Metode Supports Vector Machine (SVM)

Tuberkulosis Tuberkulosis adalah suatu penyakit infeksi yang disebabkan oleh bakteri Mycobacterium tubercolosis. Penyakit tuberkulosis biasanya menular melalui udara.

Support Vector Machine (SVM) Perlu adanya kajian teoritis, agar jumlah penderita tuberkulosis paru di Indonesia dapat diminimalkan, salah satunya dengan: Support Vector Machine (SVM) Metode learning machine yang bekerja atas prinsip Structural Risk Minimization (SRM) dengan tujuan menemukan hyperplane terbaik yang memisahkan dua buah class pada input space. SVM juga bertujuan untuk meminimalkan batas atas dari general eror. Metode ini dapat dianalisis secara teoritis menggunakan konsep teori pembelajaran komputasi.

Prinsip SVM Prinsip dasar SVM adalah linier classifier, kemudian dikembangkan untuk dapat bekerja pada kasus non linier dengan memasukkan konsep kernel pada ruang kerja berdimensi tinggi. Misal diberikan himpunan X = {x1, x2 ,...xm } dimana data yang tersedia dinotasikan sebagai xi Î Rn ,i = 1,2,...m

Data Penelitian Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari data Riset Kesehatan Dasar (Riskesdas) dan Survei Sosial Ekonomi Nasional (Susenas) tahun 2010 se- Indonesia yang bersumber dari Puslitbang Sistem dan Kebijakan Kesehatan, Badan Litbangkes Departemen Kesehatan Republik Indonesia.

Variabel Penelitian Pendidikan (X1) Pekerjaan (X2) Status Sosial Ekonomi (X3) Kebiasaan Merokok (X4) Kebiasaan Konsumsi Alkohol (X5)

Tabel 1. Pengujian Parameter Serentak Hasil Penelitian Tabel 1. Pengujian Parameter Serentak  Chi-square df Sig.   Step 113.789 5 .000 Block 113.789 5 .000 Model 113.789 5 .000 Berdasarkan Tabel 1 menunjukkan bahwa pengujian parameter secara serentak membuktikan bahwa seluruh variabel independen berpengaruh terhadap penderita penyakit tuberkulosis paru dengan nilai yang sangat signifikan (<5%).

Tabel 3. Pengujian Parameter Parsial Berikut pengujian variabel secara parsial ditunjukkan Tabel 2. Bahwa Variabel Jenis pekerjaan (X2), Kebiasaan merokok (X4), Kebiasaan konsumsi alkohol (X5) merupakan variabel yang sangat berpengaruh secara signifikan terhadap penderita penyakit tuberkulosis paru sedangkan variabel tingkat pendidikan dan status sosial ekonomi tidak berpengaruh secara signifikan (>5%). Tabel 2. Pengujian Parameter Parsial Variabel x Sig. 1 .056 2 .043 3 .051 4 .039 5 .043 Tingkat akurasi dalam kasus pengklasifikasian sangat diperlukan karena mengindikasikan tepatnya suatu kategori penyakit itu terinfeksi atau tidak pada pasien sehingga untuk mengetahui tingkat akurasi dalam kasus tuberkulosis paru perlu di lakukan untuk mendeteksi akurasi kebenarannya. Tingkat akurasi SVM (RBF) Regresi logistik Y .981 .713 Tabel 3. Pengujian Parameter Parsial Dalam Tabel 3 menunjukkan tingkat akurasi begitu tinggi sebesar 98% pada metode klasifikasi dengan menggunakan SVM dengan kernel RBF, apabila ketepatan akurasi dalam klasifikasi tinggi maka tindakan penanganan secara medis akan tepat dilakukan.

Kesimpulan Variabel-variabel Jenis pekerjaan (X2), Kebiasaan merokok (X4), Kebiasaan konsumsi alkohol (X5) merupakan variabel yang sangat berpengaruh secara signifikan terhadap penderita penyakit TB paru. Tingkat akurasi dalam klasifikasi dengan metode SVM diperoleh sebesar 98%. Untuk penelitian selanjutnya bisa menggunakan metode klasifikasi lainnya agar tingkat akurasi diketahui untuk penanganan medis yang tepat.

Daftar Pustaka Darsyah, Moh. Yamin. 2014. Kalsifikasi Tuberkulosis dengan Pendekatan Metode Support Vector Machine (SVM). Statistika. 2(2):1-5.