PENERAPAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) UNTUK ANALISIS POLA KLASIFIKASI PADA PARKINSON’S DATASET

Abstract

Parkinson’s Disease (PD) merupakan salah penyakit yang memiliki angka penderita dan kematian yang meningkat setiap tahunnya. Berdasarkan hasil studi analisis sistematik, angka peningkatan penderita PD mencapai 2.4 kali lipat. Dataset penyakit parkinson merupakan data publik yang diambil dari UCI Repository, yang terdiri dari 9 atribut dan 758 record, meliputi 192 fonasi dari 31 subyek pria dan wanita dimana 23 diantaranya penderita PD. Klasifikasi merupakan salah satu metode supervised learning yang terdapat dalam bidang ilmu data mining yang berfungsi untuk memprediksi objek/data baru yang belum memiliki class/label. Pola klasifikasi dapat dibangun melalui proses analisis pada data training dengan menggunakan algoritma support vector machine (SVM). Algoritma SVM berhasil mengenali pola klasifikasi pada Parkinson’s Disease Dataset dengan metode pendekatan PPE. Pendekatan PPE ini mampu meningkatkan kinerja algoritma SVM dalam analisis pola klasifikasi, dibandingkan dengan pendekatan tradisional dan nonstandard dengan akurasi sebesar 95%. Analisis pola klasifikasi menggunakan bantuan software Praat dan Python.