Klasifikasi Penyakit Stroke Menggunakan Support Vector Machine (SVM) dan Particle Swarm Optimization (PSO)

Abstract

Stroke adalah penyakit yang tidak menular tetapi menjadi salah satu penyakit yang paling sering menyebabkan kematian dan kecacatan di dunia termasuk negara kita Indonesia. Ada beberapa faktor yang dapat menyebabkan penyakit stroke yaitu faktor risiko stroke yang dapat diubah dan tidak dapat diubah. Faktor risiko stroke yang tidak dapat diubah yakni jenis kelamin, usia, genetik dan ras. Untuk faktor risiko stroke yang dapat diubah yakni obesitas, merokok, hipertensi (tekanan darah), diabetes militus, dan gaya hidup tidak sehat. Menurut Kementrian Kesehatan RI penderita penyakit stroke mengalami peningkatan yang signifikan sebesar 10.9% pada tahun 2018 dibandingkan dengan tahun 2013 jumlah penderita penyakit stroke sebanyak 7.0% (Kementrian Kesehatan RI, dalam Abdul 2022). Tujuan dari penelitian ini yaitu dapat mengetahui hasil preprocessing dataset, dapat mengetahui hasil klasifikasi penyakit stroke menggunakan metode Support Vector Machine, dan dapat mengetahui hasil perbedaan akurasi dari klasifikasi penyakit stroke menggunakan metode Support Vector Machine dan Support Vector Machine berbasis Particle Swarm Optimization. Sebelum melakukan klasifikasi dataset stroke dilakukan preprocessing terlebih dahulu seperti mengatasi data tidak seimbang menggunakan teknik SMOTE sehingga data siap dimasukkan kedalam model klasifikasi. Dataset stroke yang digunakan memiliki 9 fitur atau atribut dan bejumlah 5.510 data sebelum di upsampling dan menjadi 9.772 data setelah di upsampling. Hasil penelitian ini memperoleh sebuah model untuk sistem sederhana prediksi untuk klasifikasi penyakit stroke, serta mendapatkan hasil nilai akurasi yaitu 88% dengan metode SVM dengan teknik SMOTE dan 95% untuk pengujian menggunakan metode PSO-SVM dengan teknik SMOTE.