Perbandingan Klasifikasi Tingkat Keganasan Breast Cancer Dengan Menggunakan Regresi Logistik Ordinal Dan Support Vector Machine (SVM)
Teks penuh
Gambar
Dokumen terkait
• Untuk mengetahui klasifikasi penyakit kanker serviks berdasarkan faktor-faktor yang mempengaruhi menggunakan Regresi Logistik Biner dan Support Vector Machine (SVM).. •
Untuk mengetahui hasil akurasi metode Support Vector Machine (SVM) pada klasifikasi pendonor darah menggunakan dataset RFMTC rasio data testing dan data trainging
Se-lain metode SVM, adapun metode klasik yang sering diguna-kan dalam pengklasifikasian data adalah dengan menggunakan metode regresi logistik.Oleh karena itu, pada
Berdasarkan analisis yang telah dilakukan, bahwa dengan menggunakan data Lama Studi mahasiswa FSM Undip tahun 2013 periode ke-131 sampai dengan periode ke-134 dengan
Penelitian ini bertujuan membandingkan kinerja klasifikasi ketepatan waktu kelulusan mahasiswa FMIPA UNTAD dengan menggunakan metode support vector machine dan regresi logistik
Hasil Prediksi Optimizer Parameter Linear Support Vector Machine k=2 Berdasarkan Gambar 4 tersaji hasil akurasi klasifikasi tertinggi menggunakan metode SVM dengan penambahan Optimizer
Dihasilkan akurasi tertinggi pada parameter C yang bernilai 10, gamma = scale, menggunakan kernel linear, dan skenario data latih dan uji 70%:30% yaitu dengan nilai akurasi 96%
Tujuan dari penelitian ini yaitu untuk menentukan nilai akurasi, presisi dan recall pada data penyakit stroke dengan menggunakan metode SVM Support Vector Machine berdasarkan penerapan
