Skripsi Statistik

Perbandingan Kernel Linear, Radial Basis Function (RBF), Dan Polynomial Pada Support Vector Machine (SVM) Untuk Klasifikasi Kasus Kelahiran Prematur Di Rsud Torabelo

---

Kelahiran prematur adalah bentuk kelahiran abnormal yang ditandai dengan umur
kehamilan antara 20 minggu sampai dengan 37 minggu dihitung dari hari pertama.
Kelahiran prematur menjadi salah satu penyebab utama kematian bayi baru lahir.
Klasifikasi kelahiran prematur merupakan langkah penting dalam membantu
merancang strategi yang lebih efektif untuk menurunkan angka kelahiran prematur di
Sulawesi Tengah. Penelitian ini bertujuan untuk menentukan hasil ketepatan
klasifikasi terbaik menggunakan Support Vector Machine, dari ketiga kernel linear,
Radial Basis Function dan Polynomial. Penelitian ini menggunakan data sekunder
yaitu data register NICU di RSUD Torabelo tahun 2022. Metode pengolahan data
meliputi pembagian data menjadi training dan testing. Performa ketiga kernel
dievaluasi berdasarkan akurasi klasifikasi, sensitivitas, dan spesifisitas. Hasilnya
menunjukkan bahwa kernel terbaik yang tepat digunakan untuk klasifiaksi kelahiran
prematur di RSUD Torabelo tahun 2022 yaitu kernel Radial Basis Function, dengan
nilai akurasi, sensitivitas, dan spesifisitas yang sama, yakni 93,75%, 94,74%, dan
94,74% secara berturut-turut.

Kata Kunci: Kelahiran Prematur, Kernel Linear, Kernel Radial Basis Fuction, Kernel Polynomial ,Support Vector Machine.

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

519.072

Penerbit

Palu Universitas Tadulako : FMIPA Universitas Tadulako Jurusan Statistik., 2024

Deskripsi Fisik

xvi, 79 hlm, ilus.; 30 cm

Bahasa

Indonesia

ISBN/ISSN

G 501 20 056

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Fadillah Slamet

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar