Implementasi Metode Backward Elimination Pada Algoritma SVM Untuk Klasifikasi Penyakit Ispa
Abstract
Infeksi Saluran Pernapasan Akut (ISPA) merupakan salah satu penyakit dengan jumlah kasus tinggi di Indonesia. Pada tahun 2023 tercatat 86.364 kasus ISPA, dan di Kota Bontang sendiri terdapat 5.820 kasus pada tahun 2024. Tantangan utama dalam klasifikasi penyakit ISPA adalah rendahnya akurasi prediksi, terutama dalam membedakan antara kategori ringan dan berat. Ketidakseimbangan data antar kelas menyebabkan model klasifikasi cenderung bias terhadap kelas mayoritas. Penelitian ini bertujuan untuk meningkatkan kemampuan klasifikasi penyakit ISPA dengan mengombinasikan algoritma Support Vector Machine (SVM) dan teknik seleksi fitur Backward Elimination. Dataset terdiri dari 1.501 data pasien dari UPT Puskesmas Bontang Barat tahun 2024–2025. Proses penelitian meliputi tahap pre-processing, seleksi fitur, penerapan SVM, validasi menggunakan 10-fold cross validation, dan evaluasi dengan confusion matrix. Hasil penelitian menunjukkan bahwa Backward Elimination berhasil mengidentifikasi 6 fitur yang relevan, yaitu jenis kelamin, sistolik, respiratory rate, berat badan, tinggi badan, dan leukosit polimorfonuklear. Model SVM dengan fitur terpilih menghasilkan akurasi 88,33%, meningkat dari sebelumnya 83,85%. Namun, untuk menghindari bias akibat ketidakseimbangan data, metrik evaluasi tambahan seperti recall, precision, dan F1-score juga dianalisis untuk memastikan model tidak hanya unggul secara akurasi, tetapi juga mampu mengenali kasus ISPA berat secara efektif.
References
D. Puspasari, “Survei Kesehatan,” Ski (Survei Kesehat. Indones., pp. 1–68, 2023.
M. Napiah, R. A. Purnama, M. Raharjo, and W. Bismi, “Komparasi Algoritma Untuk Klasifikasi Penyakit ISPA (Infeksi Saluran Pernapasan),” J. Infortech, vol. 4, no. 2, pp. 105–110, 2022.
Erlin, Yulvia Nora Marlim, Junadhi, Laili Suryati, and Nova Agustina, “Deteksi Dini Penyakit Diabetes Menggunakan Machine Learning dengan Algoritma Logistic Regression,” J. Nas. Tek. Elektro dan Teknol. Inf., vol. 11, no. 2, pp. 88–96, 2022, doi: 10.22146/jnteti.v11i2.3586.
N. M. Putry, “Komparasi Algoritma Knn Dan Naïve Bayes Untuk Klasifikasi Diagnosis Penyakit Diabetes Mellitus,” EVOLUSI J. Sains dan Manaj., vol. 10, no. 1, 2022, doi: 10.31294/evolusi.v10i1.12514.
N. Fitriyani, D. R. Amalia, H. H. Handayani, A. Fitri, and N. Masruriyah, “Aplikasi Berbasis Web Berdasarkan Model Klasifikasi Algoritma SVM dan Logistic Regression Terhadap Data Diabetes,” Ris. dan E-Jurnal Manaj. Inform. Komput., vol. 7, pp. 1762–1771, 2023, [Online]. Available: http://doi.org/10.33395/remik.v7i4.13001%0D
A. Sepharni, I. E. Hendrawan, and C. Rozikin, “Klasifikasi Penyakit Jantung dengan Menggunakan Algoritma C4.5,” STRING (Satuan Tulisan Ris. dan Inov. Teknol., vol. 7, no. 2, p. 117, 2022, doi: 10.30998/string.v7i2.12012.
A. Yogianto, A. Homaidi, and Z. Fatah, “Implementasi Metode K-Nearest Neighbors (KNN) untuk Klasifikasi Penyakit Jantung,” G-Tech J. Teknol. Terap., vol. 8, no. 3, pp. 1720–1728, 2024, doi: 10.33379/gtech.v8i3.4495.
M. G. Pradana, P. H. Saputro, and D. P. Wijaya, “Komparasi Metode Support Vector Machine Dan Naïve Bayes Dalam Klasifikasi Peluang Penyakit Serangan Jantung,” Indones. J. Bus. Intell., vol. 5, no. 2, p. 87, 2022, doi: 10.21927/ijubi.v5i2.2659.
N. Pratiwi and Y. Setyawan, “Analisis Akurasi Dari Perbedaan Fungsi Kernel Dan Cost Pada Support Vector Machine Studi Kasus Klasifikasi Curah Hujan Di Jakarta,” J. Fundam. Math. Appl., vol. 4, no. 2, pp. 203–212, 2021, doi: 10.14710/jfma.v4i2.11691.
R. P. Pridiptama, W. Wasono, and F. D. . Amijaya, “Perbandingan Algoritma Support Vector Machine dan Na¨ıveNa¨ıve Bayes pada Klasifikasi Penyakit Tekanan Darah Tinggi (Studi Kasus: Klinik Polresta Samarinda),” Basis, vol. 3, no. 1, pp. 1–16, 2024, [Online]. Available: http://jurnal.fmipa.unmul.ac.id/index.php/Basis
M. R. Ahmmed, J. Monir, and S. A. Khushbu, “Analysis of Flood Risk Prediction Using Different Machine Learning Classifiers: A Study of Predicting Flood Risk in Rural Areas, Bangladesh,” 2022 13th Int. Conf. Comput. Commun. Netw. Technol. ICCCNT 2022, pp. 1–6, 2022, doi: 10.1109/ICCCNT54827.2022.9984449.
R. A. Saputra et al., “Detecting Alzheimer’s Disease by the Decision Tree Methods Based on Particle Swarm Optimization,” J. Phys. Conf. Ser., vol. 1641, no. 1, pp. 61–67, 2022, doi: 10.1088/1742-6596/1641/1/012025.
L. G. Gebeye, E. Y. Dessie, and J. A. Yimam, “Predictors of micronutrient deficiency among children aged 6–23 months in Ethiopia: a machine learning approach,” Front. Nutr., vol. 10, no. January, pp. 1–13, 2023, doi: 10.3389/fnut.2023.1277048.
M. R. Akhmad and T. A. Y. Siswa, “Implementasi K-Nearest Neighbor Dalam Memprediksi Keterlambatan Pembayaran Biaya Kuliah Di Perguruan Tinggi,” Progresif J. Ilm. Komput., vol. 18, no. 2, p. 185, 2022, doi: 10.35889/progresif.v18i2.921.
D. Kurnia, M. Itqan Mazdadi, D. Kartini, R. Adi Nugroho, and F. Abadi, “Seleksi Fitur dengan Particle Swarm Optimization pada Klasifikasi Penyakit Parkinson Menggunakan XGBoost,” J. Teknol. Inf. dan Ilmu Komput., vol. 10, no. 5, pp. 1083–1094, 2023, doi: 10.25126/jtiik.20231057252.
S. R. Azizah, R. Herteno, A. Farmadi, D. Kartini, and I. Budiman, “Kombinasi Seleksi Fitur Berbasis Filter dan Wrapper Menggunakan Naive Bayes pada Klasifikasi Penyakit Jantung,” J. Teknol. Inf. dan Ilmu Komput., vol. 10, no. 6, pp. 1361–1368, 2023, doi: 10.25126/jtiik.1067467.
L. Rangga, A. Tarigan, T. Informatika, R. Forest, O. Fitur, and F. Selection, “Optimalisasi Fitur Dengan Forward Selection Pada Estimasi Tingkat Penyakit Paru-Paru Menggunakan Algoritma Klasifikasi Random Forest,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 5, pp. 10341–10348, 2024.
T. A. Y. Siswa and R. P. Wibowo, “Komparasi Metode Seleksi Fitur Dalam Prediksi Keterlambatan Pembayaran Biaya Kuliah,” Teknika, vol. 12, no. 1, pp. 73–82, 2023, doi: 10.34148/teknika.v12i1.601.
A. M. Oktafani, I. T. Utami, and P. Kartikasari, “Optimasi backward elimination pada klasifikasi penyakit ispa menggunakan algoritma naïve bayes classifier 1,2,3,” J. Gausian, vol. 14, pp. 23–30, 2025, doi: 10.14710/j.gauss.14.1.23-30.
M. A. Wiratama and W. M. Pradnya, “Optimasi Algoritma Data Mining Menggunakan Backward Elimination untuk Klasifikasi Penyakit Diabetes,” J. Nas. Pendidik. Tek. Inform., vol. 11, no. 1, p. 1, 2022, doi: 10.23887/janapati.v11i1.45282.
A. Desiani et al., “Perbandingan Klasifikasi Penyakit Kanker Paru-Paru menggunakan Support Vector Machine dan K-Nearest Neighbor,” J. Process., vol. 18, no. 1, pp. 54–62, 2023, doi: 10.33998/processor.2023.18.1.700.
F. Latuconsina and M. S. N. Van Delsen, “Klasifikasi Menggunakan Metode Support Vector Machine ( SVM ) Multiclass pada Data Indeks Desa Membangun ( IDM ) di Provinsi Maluku,” J. Math. adn Stat., vol. 7, no. 2, pp. 380–395, 2024.
R. Resmiati and T. Arifin, “Klasifikasi Pasien Kanker Payudara Menggunakan Metode Support Vector Machine dengan Backward Elimination,” Sistemasi, vol. 10, no. 2, p. 381, 2021, doi: 10.32520/stmsi.v10i2.1238.
A. F. Azmi, “Prediksi Churn Nasabah Bank Menggunakan Klasifikasi Random Forest Dan Decision Tree Dengan Evaluasi Confusion Matrix,” Komputa J. Ilm. Komput. dan Inform., vol. 13, no. 1, pp. 111–119, 2024, [Online]. Available: https://ojs.unikom.ac.id/index.php/komputa/article/view/12639
