• Login
    View Item 
    •   Home
    • UNDERGRADUATE THESES (Koleksi Skripsi Sarjana)
    • UT-Faculty of Mathematics and Natural Sciences
    • View Item
    •   Home
    • UNDERGRADUATE THESES (Koleksi Skripsi Sarjana)
    • UT-Faculty of Mathematics and Natural Sciences
    • View Item
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Klasifikasi Data Diagnosis Covid-19 Menggunakan Metode Support Vector Machine dan Generalized Linear Model

    Thumbnail
    View/Open
    Repository.pdf (992.0Kb)
    Date
    2022-10-25
    Author
    RISMAWATI, Yeni
    Metadata
    Show full item record
    Abstract
    Covid-19 masih menjadi perhatian dunia. Semenjak pertama kali virus ini terdeteksi yaitu pada 31 Desember 2019 hingga 20 Maret 2022, tercatat bahwa ada 460 juta kasus positif Covid-19 dengan kasus kematian sebanyak 6,06 juta di seluruh dunia. Tingginya kasus Covid-19 dikarenakan penyebaran dari virus ini sangat cepat. Salah satu cara untuk mencegah penyebaran virus ini dapat dilakukan dengan deteksi dini dari penyakitnya serta memetakan faktor-faktor yang mempengaruhi. Metode klasifikasi dengan metode support vector machine (SVM) pada machine learning dapat digunakan untuk memprediksi individu yang terdiganosis positif Covid-19 dan yang tidak, dengan menggunakan faktor-faktor yang diperkirakan berpengaruh. Secara tradisional hal ini bisa juga dilakukan dengan generalized linear model (GLM). Tujuan dari penelitian ini adalah untuk mengetahui perbandingan antara kedua metode tersebut (SVM dan GLM) dalam memprediksi individu terdiagnosis positif Covid-19. Selain dibandingkan, dalam peneltian ini juga dilakukan ensemble antara SVM dan GLM untuk mengetahui apakah ensemble menghasilkan akurasi yang lebih baik dari masing-masing. Hasil penelitian menunjukkan bahwa akurasi dengan SVM dan GLM cukup tinggi, tetapi SVM sedikit lebih unggul yaitu dengan akurasi sebesar 98,91%, dan GLM sebesar 95,64%. Sementara itu, ensemble dari kedua model tersebut mencapai 98,91% sama tinggi dengan SVM.
    URI
    https://repository.unej.ac.id/xmlui/handle/123456789/113666
    Collections
    • UT-Faculty of Mathematics and Natural Sciences [3447]

    UPA-TIK Copyright © 2024  Library University of Jember
    Contact Us | Send Feedback

    Indonesia DSpace Group :

    University of Jember Repository
    IPB University Scientific Repository
    UIN Syarif Hidayatullah Institutional Repository
     

     

    Browse

    All of RepositoryCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

    My Account

    LoginRegister

    Context

    Edit this item

    UPA-TIK Copyright © 2024  Library University of Jember
    Contact Us | Send Feedback

    Indonesia DSpace Group :

    University of Jember Repository
    IPB University Scientific Repository
    UIN Syarif Hidayatullah Institutional Repository