Forward Selection pada Support Vector Machine untuk Memprediksi Kanker Payudara

Harafani, Hani

doi:10.31294/infortech.v1i2.7398

Cited by 6 publications

(5 citation statements)

References 15 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…A. Forest and Land Fires Forest fires are one of the environmental problems that threaten forests, causing adverse environmental impacts, creating economic problems, and ecological damage [22]. Forest fires are burning events that spread freely in unplanned areas and use natural fuels from the forest, such as litter, grass, twigs, or dead tree branches [23].…”

Section: Literature Reviewmentioning

confidence: 99%

Predicting the Number of Forest and Land Fire Hotspot Occurrences Using the ARIMA and SARIMA Methods

Santoso,

Widodo

2024

SISFOKOM

View full text Add to dashboard Cite

Forests are an area and part of the environmental cycle that is very important for survival because forests are areas on Earth that regulate the balance of the ecosystem. Forest fires rank second only to illegal logging in Indonesia's list of forest destruction causes. Forest fires can occur due to two factors, namely natural and human factors. Therefore, the hotspot factor that can cause forest fires is an independent variable. The population of hotspots in the West Kalimantan region in 2020 amounted to 1,416 spots. This study aims to predict the number of hotspot occurrences on land and forests that cause fires before the fires spread and are challenging to overcome or extinguish. The method to indicate the number of hotspot occurrences uses the Autoregressive Integrated Moving Average (ARIMA) and Seasonal Autoregressive Integrated Moving Average (SARIMA) methods. Modeling ARIMA (0,1,1) and SARIMA (0,1,1) (2,2,1)12 obtained Root Mean Square Error (RMSE) evaluation results for ARIMA of 6.61 while SARIMA of 7.61. The ARIMA's Mean Squared Error (MSE) evaluation value is 43.70, and the SARIMA is 58.05. Based on these results, it can be concluded that the ARIMA model provides excellent and accurate performance in describing the trend of hotspot events that will occur in the future with a smaller RMSE value compared to SARIMA.

show abstract

Section: Literature Reviewmentioning

confidence: 99%

Predicting the Number of Forest and Land Fire Hotspot Occurrences Using the ARIMA and SARIMA Methods

Santoso,

Widodo

2024

SISFOKOM

View full text Add to dashboard Cite

show abstract

“…Metode Forward Selection dipilih sebagai metode seleksi fitur. Teknik Forward Selection merupakan salah satu metode kategori pembungkus (wrap method) dalam pemilihan fitur, yang memiliki tiga kategori filter, wrapper, dan embedding [12].…”

Section: Pendahuluanunclassified

Optimasi Fitur dengan Forward Selection pada Estimasi Tingkat Obesitas menggunakan Random Forest

Alpiansah,

Ramdhani

2023

SISTEMASI

View full text Add to dashboard Cite

Obesitas remaja di Indonesia sedang meningkat, karena kebiasaan makan yang buruk dan gaya hidup yang kurang gerak. Obesitas meningkatkan risiko masalah kesehatan yang serius seperti penyakit jantung, stroke, diabetes, dan lain-lain yang memerlukan tindakan segera. Obesitas berkembang ketika jumlah kalori yang dikonsumsi melebihi jumlah kalori yang dibakar. Obesitas telah menjadi masalah kesehatan masyarakat yang sangat besar di seluruh dunia. Menurut Organisasi Kesehatan Dunia, sekitar 1,9 miliar orang berusia 18 tahun ke atas mengalami kelebihan berat badan, dengan 600 juta orang mengalami obesitas. Menurut Survei Kesehatan dan Morbiditas Nasional, wanita 29,6% lebih mungkin mengalami obesitas dibandingkan pria, dibandingkan dengan 25% pria. Dataset rekam medis gagal jantung akan ditangani dalam dua tahap percobaan berdasarkan validasi. Empat algoritma klasifikasi yang berbeda, termasuk Random Forest, K-Nearest Neighbor, Decision Tree, dan Naive Bayes, akan dicoba pada langkah pertama. Untuk Testing, metode Cross Validation yang menggunakan Random Forest mengungguli empat algoritma lainnya dalam Testing algoritma. Setelah Testing, metode algoritma Random Forest menghasilkan nilai akurasi tertinggi, dan dievaluasi kembali menggunakan Split Validation dan rasio split yang bervariasi dengan Forward Selection sebagai fitu seleksi. Hanya Testing yang menggunakan metode Forward Selection mengungguli Testing yang menggunakan algoritma Random Forest.

show abstract

“…Klasifikasi adalah sebuah proses untuk menemukan model atau fungsi dengan mengelompokan kelas data dengan tujuan untuk memperkirakan kelas dari suatu objek yang labelnya tidak diketahui. Teknik ini banyak digunakan dalam berbagai bidang, seperti dibidang kesehatan yaitu prediksi penyakit kanker [21], mendiagnosis riwayat kesehatan pasien [22] [23].…”

Section: Data Miningunclassified

Prediksi Penyakit Diabetes Menggunakan Algoritma Support Vector Machine (SVM)

Hovi

Hadiana

Umbara

2022

INDEX

View full text Add to dashboard Cite

Diabetes Mellitus (DM) atau lebih dikenal dengan sebutan penyakit kencing manis adalah penyakit kronis yang disebabkan oleh gagalnya organ pankreas memproduksi jumlah hormon insulin secara memadai sehingga menyebabkan peningkatan kadar glukosa dalam darah. Diabetes Mellitus merupakan penyakit yang berbahaya, banyak diberbagai negara terkena penyakit diabetes termasuk di Indonesia. Penyebab utama diabetes masih belum diketahui, namun banyak yang percaya bahwa faktor genetika dan gaya hidup dapat memainkan peran utama pada diabetes. Para peneliti di bidang bioinformatika telah berusaha untuk mengatasi penyakit ini dan membuat sistem untuk membantu dalam prediksi diabetes. Dari berbagai penelitian yang ada, banyak menggunakan metode seperti C4.5, KNN, Naïve Bayes, serta SVM Linier dalam membangun sistem, tapi metode SVM Radial Basis Function (RBF) jarang digunakan dikarenakan hasil akurasi yang didapat tidak cukup untuk digunakan pada sistem prediksi diabetes. Pada penelitian ini menjawab gap tersebut bahwa dengan menggunakan metode algoritma SVM Radial Basis Function (RBF) dapat menghasilkan akurasi yang tinggi dengan mencapai sebesar 91%. Pengujian akurasi yang dilakukan menggunakan Confusion Matrix dan peramalan Mean Square Error dengan kfold kelipatan 10. Penelitian ini bertujuan untuk menentukan apakah penderita/pasien dapat terkena penyakit diabetes atau tidak dengan menerapkan teknik data mining dan klasifikasi menggunakan algoritma SVM Radial Basis Function berbasis Forward Selection.

show abstract

Forward Selection pada Support Vector Machine untuk Memprediksi Kanker Payudara

Cited by 6 publications

References 15 publications

Predicting the Number of Forest and Land Fire Hotspot Occurrences Using the ARIMA and SARIMA Methods

Predicting the Number of Forest and Land Fire Hotspot Occurrences Using the ARIMA and SARIMA Methods

Optimasi Fitur dengan Forward Selection pada Estimasi Tingkat Obesitas menggunakan Random Forest

Prediksi Penyakit Diabetes Menggunakan Algoritma Support Vector Machine (SVM)

Contact Info

Product

Resources

About