Penerapan Algoritma Support Vector Machine (SVM) untuk Deteksi Penyakit Mata Katarak
Algoritma Support Vector Machine (SVM) untuk Deteksi Penyakit Mata Katarak
DOI:
https://doi.org/10.30989/ijds.v2i2.1449Kata Kunci:
Support Vector Machine, Kernel LBF, Prediksi, Ekstraksi Fitur, AkurasiAbstrak
Penyakit mata merupakan salah satu gangguan kesehatan yang dapat berdampak serius jika tidak terdiagnosis secara dini. Dalam upaya meningkatkan akurasi dan efisiensi deteksi penyakit mata, metode Support Vector Machine (SVM) digunakan untuk klasifikasi penyakit mata berdasarkan dataset citra atau data numerik terkait. Penelitian ini bertujuan untuk mengimplementasikan SVM sebagai algoritma klasifikasi, memanfaatkan fitur yang diekstraksi dari citra mata atau data medis yang relevan. Proses penelitian mencakup pengumpulan data, pra-pemrosesan, ekstraksi fitur, pelatihan model SVM, serta evaluasi performa model menggunakan metrik akurasi, precision, recall, dan F1-score. Dengan menerapkan teknik k-fold cross-validation, model diuji untuk menghindari overfitting dan memastikan generalisasi yang baik. Hasil penelitian menunjukkan bahwa metode SVM mampu memberikan hasil klasifikasi yang akurat, serta dapat digunakan sebagai alat bantu diagnosis penyakit mata yang efektif.
Referensi
[1] F. Tabei, “(72) Inventors: Behnam Askarian, Lubbock, TX (US ); Jo Woon Chong, Lubbock, TX (US );”.
[2] A. Saini, K. Guleria, and S. Sharma, “An Efficient Deep Learning Model for Eye Disease Classification,” in 2023 International Research Conference on Smart Computing and Systems Engineering (SCSE), Jun. 2023, pp. 1–6. doi: 10.1109/SCSE59836.2023.10215000.
[3] B. Askarian, P. Ho, and J. W. Chong, “Detecting Cataract Using Smartphones,” IEEE J. Transl. Eng. Health Med., vol. 9, pp. 1–10, 2021, doi: 10.1109/JTEHM.2021.3074597.
[4] “IEEE Xplore Citation BibTeX Download 2024.9.23.16.20.53.”
[5] M. A. M. Kaaffah, A. Hidayatno, and Y. A. A. Soetrisno, “Sistem Klasifikasi Ukuran Baju Dengan Metode Support Vector Machine (Svm),” Transient J. Ilm. Tek. Elektro, vol. 9, no. 1, pp. 17–25, Mar. 2020, doi: 10.14710/transient.v9i1.17-25.
[6] R. Umar, I. Riadi, and D. A. Faroek, “Komparasi Image Matching Menggunakan Metode K-Nearest Neighbor (KNN) dan Metode Support Vector Machine (SVM),” vol. 4, no. 2.
[7] A. D. Pratama and H. Hendry, “Analisa Sentimen Masyarakat Terhadap Penggunaan Chatgpt Menggunakan Metode Support Vector Machine (Svm),” JIPI J. Ilm. Penelit. Dan Pembelajaran Inform., vol. 9, no. 1, pp. 327–338, Feb. 2024, doi: 10.29100/jipi.v9i1.4285.
[8] A. Dwi Cahyo, S. Anardani, and Y. P. Yuda, “Prediksi Beban Daya Listrik (W) Menggunakan Metode Support Vector Machine (SVM) Pada Listrik Token Rumah Tangga,” J. Sains Dan Teknol. JSIT, vol. 4, no. 1, pp. 70–77, Feb. 2024, doi: 10.47233/jsit.v4i1.1543.
[9] N. Salman, “Image Segmentation Based on Watershed and Edge Detection Techniques”.
[10] O. A. and B. O, “An Iris Recognition and Detection System Implementation,” Int. J. Inven. Eng. Sci., vol. 5, pp. 8–10, Feb. 2020, doi: 10.35940/ijies.H0958.025820.
[11] A. Albelaihi and D. M. Ibrahim, “DeepDiabetic: An Identification System of Diabetic Eye Diseases Using Deep Neural Networks,” IEEE Access, vol. 12, pp. 10769–10789, 2024, doi: 10.1109/ACCESS.2024.3354854.
[12] I. K. Karinasari, “Deteksi Dini Penyakit Iugr (Intra Uterine Growth Retriction) Dengan Metode Svm (Support Vector Machine),” KLIK - Kumpul. J. ILMU Komput., vol. 7, no. 2, p. 176, Jun. 2020, doi: 10.20527/klik.v7i2.321.
[13] Z. Zeng et al., “Evaluation of Methods for Detection and Semantic Segmentation of the Anterior Capsulotomy in Cataract Surgery Video,” Clin. Ophthalmol., vol. Volume 18, pp. 647–657, Mar. 2024, doi: 10.2147/OPTH.S453073.
[14] A. Nofandi, N. Y. Setiawan, and D. W. Brata, “Analisis Sentimen Ulasan Pelanggan dengan Metode Support Vector Machine (SVM) untuk Peningkatan Kualitas Layanan pada Restoran Warung Wareg”.
[15] R. Nooraeni, H. D. Sariyanti, A. F. F. Iskandar, S. F. Munawwaroh, S. Pertiwi, and Y. Ronaldias, “Analisis Sentimen Data Twitter Mengenai Isu RUU KPK Dengan Metode Support Vector Machine (SVM),” Paradig. - J. Komput. Dan Inform., vol. 22, no. 1, pp. 55–60, Mar. 2020, doi: 10.31294/p.v22i1.6869.
[16] K. Kelvin, J. Banjarnahor, E. I. -, and M. Nk Nababan, “Analisis perbandingan sentimen Corona Virus Disease-2019 (Covid19) pada Twitter Menggunakan Metode Logistic Regression Dan Support Vector Machine (SVM),” J. Sist. Inf. Dan Ilmu Komput. PrimaJUSIKOM PRIMA, vol. 5, no. 2, pp. 47–52, Feb. 2022, doi: 10.34012/jurnalsisteminformasidanilmukomputer.v5i2.2365.
[17] F. Bei and S. Saepudin, “Analisis Sentimen Aplikasi Tiket Online Di Play Store Menggunakan Metode Support Vector Machine (Svm),” Pros. Semin. Nas. Sist. …, 2021, [Online]. Available: https://sismatik.nusaputra.ac.id/index.php/sismatik/article/view/13
Unduhan
Diterbitkan
Terbitan
Bagian
Citation Check
Lisensi
Hak Cipta (c) 2025 Yonal Supit
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Indonesian Journal On Data Science allows readers to read, download, copy, distribute, print, search, or link to its articles' full texts and allows readers to use them for any other lawful purpose. The journal allows the author(s) to hold the copyright without restrictions. Finally, the journal allows the author(s) to retain publishing rights without restrictions
- Authors are allowed to archive their submitted articles in an open access repository
- Authors are allowed to archive the final published article in an open access repository with an acknowledgment of its initial publication in this journal
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 Generic License.
