SELEKSI GEN PENYAKIT DIABETES MELITUS TIPE 2 MENGGUNAKAN ALGORITMA MULTIPLE SUPPORT VECTOR MACHINE-RECURSIVE FEATURE ELIMINATION (MSVM -RFE)


BASIR, A. KHALIL GIBRAN (2020) SELEKSI GEN PENYAKIT DIABETES MELITUS TIPE 2 MENGGUNAKAN ALGORITMA MULTIPLE SUPPORT VECTOR MACHINE-RECURSIVE FEATURE ELIMINATION (MSVM -RFE). Skripsi thesis, Universitas Hasanuddin.

[thumbnail of sampul]
Preview
Image (sampul)
H13114318_skripsi_02-11-2020(FILEminimizer) cover1.png

Download (299kB) | Preview
[thumbnail of bab 1-2] Text (bab 1-2)
H13114318_skripsi_02-11-2020(FILEminimizer) 1-2.pdf

Download (1MB)
[thumbnail of dapus] Text (dapus)
H13114318_skripsi_02-11-2020(FILEminimizer) dapus.pdf

Download (491kB)
[thumbnail of fulltext] Text (fulltext)
H13114318_skripsi_02-11-2020(FILEminimizer).pdf
Restricted to Repository staff only

Download (2MB)

Abstract (Abstrak)

Metode seleksi gen digunakan untuk memberikan hasil performa klasifikasi yang lebih baik dan model yang mudah dipahami. Selain digunakan sebagai algoritma klasifikasi, SVM saat ini banyak dikembangkan sebagai metode seleksi gen dengan menambahkan prosedur eliminasi rekursif yang kemudian disebut sebagai SVMRFE. Penambahan konsep multiple terhadap algoritma seleksi gen SVM-RFE memberikan seleksi gen yang lebih stabil. Penelitian ini mengusulkan Algoritma Multiple Support Vector Machine-Recursive Feature Elimination (MSVM-RFE) sebagai seleksi gen untuk data ekspresi gen penyakit diabetes melitus tipe 2. Algoritma MSVM-RFE akan digunakan untuk meningkatkan performansi klasifikasi SVM dan diujikan kepada empat buah dataset berbeda yang dibagi berdasarkan metode splitting serta ada atau tidaknya SMOTE digunakan sebagai metode resampling. Hasil menunjukkan bahwa seleksi MSVM-RFE mampu memberikan akurasi terbaik pada klasifikasi SVM sebesar 97,06%.

Item Type: Thesis (Skripsi)
Uncontrolled Keywords: Diabetes melitus tipe 2, Ekspresi gen, Multiple Support Vector Machine-Recursive Feature Elimination (MSVM-RFE), SVM
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Depositing User: andi Sitti aisyah
Date Deposited: 10 Dec 2020 02:53
Last Modified: 06 Nov 2024 04:45
URI: http://repository.unhas.ac.id:443/id/eprint/763

Actions (login required)

View Item
View Item