KLASIFIKASI DATA DIAGNOSA PENYAKIT DEMAM BERDARAH DENGUE (DBD) MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM) BERBASIS GUI MATLAB - Diponegoro University | Institutional Repository (UNDIP-IR)

(1)

KLASIFIKASI DATA DIAGNOSA PENYAKIT DEMAM BERDARAH

DENGUE (DBD) MENGGUNAKAN

SUPPORT VECTOR MACHINE

_(SVM)

BERBASIS GUI MATLAB

SKRIPSI

Disusun Oleh :

CHAINUR ARRASYID HASIBUAN

NIM. 24010212120004

DEPARTEMEN STATISTIKA

FAKULTAS SAINS DAN MATEMATIKA

UNIVERSITAS DIPONEGORO

SEMARANG

(2)

KLASIFIKASI DATA DIAGNOSA PENYAKIT DEMAM BERDARAH

DENGUE (DBD) MENGGUNAKAN

SUPPORT VECTOR MACHINE

_(SVM)

BERBASIS GUI MATLAB

CHAINUR ARRASYID HASIBUAN

NIM. 24010212120004

Skripsi

Diajukan Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada

Departemen Statistika

DEPARTEMEN STATISTIKA

FAKULTAS SAINS DAN MATEMATIKA

UNIVERSITAS DIPONEGORO

SEMARANG

(3)

ii

Judul

: Klasifikasi Data Diagnosa Penyakit Demam Berdarah Dengue

(DBD) Menggunakan

Support Vector Machine

(SVM) Berbasis

GUI Matlab

Nama

: Chainur Arrasyid Hasibuan

NIM

: 24010212120004

Departemen : Statistika

Telah diujikan pada sidang Tugas Akhir dan dinyatakan lulus pada tanggal 09

Februari 2017

Semarang, 07 Maret 2017

Mengetahui,

Ketua Departemen Statistika

Fakultas Sains dan Matematika

Dr. Tarno, M.Si.

NIP. 196307061991021001

Panitia Penguji Ujian Akhir

Ketua,

(4)

iii

Judul

: Klasifikasi Data Diagnosa Penyakit Demam Berdarah Dengue

(DBD) Menggunakan Support Vector Machine (SVM) Berbasis

GUI Matlab

Nama

: Chainur Arrasyid Hasibuan

NIM

: 24010212120004

Departemen : Statistika

Telah diujikan pada sidang Tugas Akhir dan dinyatakan lulus pada tanggal 09

Februari 2017

Semarang, 07 Maret 2017

Dosen Pembimbing II

Alan Prahutama, S.Si, M.Si

NIP. 1988042120140401002

Dosen Pembimbing I

(5)

v

Puji syukur penulis panjatkan kehadirat Allah SWT yang telah memberikan

rahmat dan karunia-Nya, sehingga penulis dapat menyelesaikan penulisan Tugas

Akhir dengan judul Klasifikasi Data Diagnosa Penyakit Demam Berdarah

Dengue (DBD) Menggunakan

Support Vector Machine

(SVM) Berbasis GUI

Matlab . Begitu banyak pihak yang telah membantu, oleh karena itu rasa hormat

dan terima kasih penulis ingin sampaikan kepada:

1. Dr. Tarno, M.Si selaku Ketua Departemen Statistika Fakultas Sains dan

Matematika Universitas Diponegoro.

2. Moch. Abdul Mukid, S.Si, M.Si selaku Dosen Pembimbing I.

3. Alan Prahutama, S.Si, M.Si selaku Dosen Pembimbing II.

4. Bapak Ibu Dosen Departemen Statistika Fakultas Sains dan Matematika

Universitas Diponegoro yang telah memberikan ilmu selama proses

belajar di Statistika Fakultas Sains dan Matematika Universitas

Diponegoro.

Penulis menyadari bahwa Tugas Akhir ini masih jauh dari sempurna. Oleh

karena itu, kritik dan saran yang membangun sangat penulis harapkan demi

perbaikan dalam kesempatan berikutnya.

Semarang, 09 Februari 2017

(6)

$%&'&

B

%() ' ('* $%+ ,- % .$

B

$ / & %(-0'1'+ 0%+

y

'1 23

y

'+, ) 24 %5 '51'+ 67 %* ,2,23 '+ +

y

'& -1

Aedes

y

'+ , 3% (2+8%142 4 ' 7'* 4 '3 - )'(2 %&0'3 3 20% 2 (-4 ) %+ , -% )%+ ,' + &'+ 28%43 '4 2 1 72+ 24 ) %&'&9 +

y

% (2 63 63 )'+ '3' - +

y

%(2 4%+) 2

y

'+ , ) 24% (3 ' 2 7 %-16 0%+ 2'9 (-'&9 3 (6 &564230%+ 2' ) '+ ) 2'3* %424 * %&6 (' ,21 :

A

)' ; 1(23 %(2' -+3-1 &%+ %3-1'+ 4%6 ('+ , 0'42 %+ ) 21'3%,6( 21'+ 06423 28 '3 '- + %,'3 28 $< $9 ='23 - ' (2'5%7 > %+ 24 1 %7' &2+ 0'4 2 %+9 -&-( 0'42%+9 0 %+ 2+,1'3'+ * %&6 ,765 2+ . ?5 /9 0%+ 2+ ,1 '3 '+ * %& '361 (23 . ?@/9 3 2+,1'3 3 (6&564 239 )'+ 1')'( 7%-164 23 : < % ()'4 '(1'+ 1 (23 %(2' 3 %(4%5 -3 &'1' '1 '+ ) 27'1 -1'+ 1 7'42821'42 )'3' 0'42%+ 0642328 )'+ +%,'3 28 $< $ )%+ ,'+ & %3 6 ) %

Support

Vector Machine

.A BC/ & %+,,-+ '1'+

software

C '37'5 : D6+4%0 17'4 2821 '42 ) %+,'+ A BC ')'7'* -4 '* ' &%+ E'(2

hyperplane

3% (5' 21 =' + , 5 %(8-+ ,42 4%5' ,' 2 0%&24 '* ) -' 5 -'* 1 %7'4 )'3 ' 0')'

input space.

F -+,42 1 % (+ %7 ) 2,-+'1 '+-+3 -1 &%+ ,-5'* )'3' 1 % (-'+ , ) 2&%+42 ='+ , 7%5 2* 3 2+,,2 4%* 2+ ,,' & %&-+,1 2+1'+ ) 27'1-1 '++=' 0%&24'*'+ : G+3-1 &%+ %+3 -1'+ 0' ('& %3%(3 %(5'21 )'(2 8-+ ,42 1 %(+ %7 ) 2,-+ '1'+ &%36) %

hold-out.

H')' 1 7'42821'4 2 ) %+,'+ & %3 6)% A BC )2)'0'31'+ + 2 7' 2 '1 -('4 2 3%(5'21 4 %5 %4' ( I;9JKL; M='23 -) %+ ,'+8-+,421%(+%7

Polynomial.

(7)

OP

WXY Z[X\ X]^ __`aZPb cXOX_ dW\cePf a gPfXafXb a [f Xg h

y

i`X hPiX^ j PYjXb iXg

A

Xg Xf ]^f

quito by one of the four types of dengue virus with clinical manifestations of

fever, muscle aches or joint pain which followed by leukopenia, rash,

thrombocytopenia and hemorrhagic diathesis. There are six criteria for determining

and catagorizing a positive or negative dengue patients, the variable gender of the

patient, the patient's age, the increase in hemoglobin (Hb), increased hematocrit

(Hct), the level of platelet and leukocyte levels.

Based on these criteria, data of

positive and negative catagorized patient will be classified by Support Vector

Machine (SVM) using Matlab software. The concept of classification with SVM

define as a search for the best hyperplane which serves as a divider of two classes of

data in the input space. Kernel function is used to convert the data into a higher

dimensional space to allow separation. In order to determine the best parameters of

kernel function, hold-out method is used. In the classification by SVM method,

96.4286% obtained as the best accuracy value by using polynomial kernel function.

(8)

(9)

²³´ µ ¶·± ¸ ¹º±

Hyperplane

» ¼ ½³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³ ²´ ²³¾ »¿À¿Á º±Â¹Ã¹¸ ¿

t

¿Ã ³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³ ²Ä ²³¾³Å

Hold-Out

³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³ ²¾ ²³Æ Â ¿ÇÈÉÁ ÉÃ¹ÇÊ±Ç¿ÃË¹Ê À ¹º ± Ì± Á ¹º± ³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³ ²¾ ²³ÅÍ

Graphical User Interfaces

ÎÏÐÑÒ½¹

t

À ¹Ó ³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³ ²Æ ²³ÅÍ³Å Â ¿Ã ¹ÇÈÁ ¹

t

ÏÐÑ½ ¹

t

À¹Ó ³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³ ÔÅ

ÕÖ ÕÑÑÑ ½×Øµ Ùµ

L

µ ÏÑÂ×Ú ×

L

ÑØÑÖÚ

Ô³Å Û ¿ Ç±ºÜ¹Ç» É¸Ó¿ÃÙ ¹

t

¹ ³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³ ÔÔ Ô³² ¼¹Ã±¹Ó¿ÀÂ ¿ Ç¿ À±

t

± ¹Ç ³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³ ÔÔ Ô³Ô ½¿

t

ÝÜ¿ÖÇ¹À±º± º ³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³ ÔÞ

ÕÖ ÕÑ¼Â×½ÕÖ ß »Ö Ú

4

³Å Ö Ç¹À±º±ºÙ¿ ºÁÃ±¶·± Ì³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³ ÔÄ

4

³² Ê À¹º±Ì± Á ¹º±Ü¿ ÇÈ¹Ç» ¼½³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³ Ô¾

4

³Ô ×° ¹ÀÉ¹º±ß ¹º± ÀÊ À ¹º± Ì± Á ¹º±³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³

4

Ä

4

³Þ Ñ¸ ¶À¿¸¿ Ç·¹º±» ¼½Ü±½ ¹

t

À ¹Ó ³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³

4

¾

4

³à Â ¿Ã ¹Çá ¹Ç È ¹ÇÏÐÑ

Support Vector Machine

Î» ¼½ Ò ³³³³³³³³³³³³³³³ à²

4

³Ä Ê À¹º±Ì± Á ¹º±Â¹º± ¿ÇÙ¿¸ ¹¸Õ¿Ã Ü ¹Ã¹âÙ¿ ÇÈÉ¿ÎÙ Õ ÙÒ

Ü¿ÇÈ ¹ÇÏÐÑ ³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³ àÞ

ÕÖ Õ¼Ê ×»Ñ½Â Ð

L

Ö Ú³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³ ÄÅ ÙÖãØÖäÂ Ð» ØÖÊ Ö ³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³³ ÄÔ

(10)

(11)

x

"#$%# &'# ()#&

(12)

(13)

(14)

ÆÇÈÉÈÊÉÈÉÈÆÉË Ì ÇÈÍÇÈ ÎÉÏ ÌÐÇÑ ÌÒË ÓÐÌ

t

Ï ÌÐÉÔÓÔ ÉÈÕ ÖÉÐÉÒËÉ

tu

ÉÐÉËÉÈÔÇ

t

Ç×ÐÉÍÑ É

t

ÉÈÌÈ Ì Ï ÌË ÇÑ ÉÑÔ ÉÈ Ô Ó×ÉÈÊÈÉ

y

ÆÇÈÊÇ

t

ÉÒÓ ÉÈ

t

ÇÈØ ÉÈÊ ÊÇÎ ÉÐÉ ÏÇ ÍÉÍ ÑÇ ×ÏÉ ×ÉÒ ÏÇÈÊ

u

Ç ÙÚÚ ÚÕÏÇ

t

ÌÔÕ ÛÜ ÍÝÕ ÞÐÇ Ò ÔÉ×ÇÈ É Ì

t

Óß Ï ÌÆÇ ×ÐÓÔ ÉÈ ÏÇ

t

ÇÔËÌ ÏÌÈ Ì ÉÆÉÔ ÉÒ Ë ÇË ÇÜ ×ÉÈÊ

t

Ç ×ÌÈàÇÔËÌÉ

t

É

u t

ÌÏ ÉÔÈ

y

ÉÆÇÈÉÔÌ

y

t

á â áÕ ã É ×ÇÈ ÉÎÌ Ô É

t

Ç ×Ð ÉÍÑ É

t

Ï Ì

t

ÉÈÊÉÈÌ ßÒ ÉÐÌÈ ÌÏ ÉÆÉ

t

ÍÇÈ

y

Ç Ñ ÉÑÔ ÉÈËÜÔ

y

ÏÉÈÏÉÆÉ

t

ÑÇ ×ÓÎ ÓÈÊÆÉÏÉÔÇ ÍÉ

t

ÌÉÈÕ

äÈ Ø ÓÔ ÍÇÈÏÇ

t

ÇÔËÌ ÉÏÉ É

t

É

u t

ÌÏ ÉÔÈ

y

É Ì Èà ÇÔËÌ åÌ ×ÓË ÏÇÈ Ê

u

Ç ÆÉÏ É ÆÉËÌÇÈ ß ÓÎÌ ÒÇ ÍÉ

t

ÜÐÜ ÊÌ ÏÉÆÉ

t

Ï ÌÊÓÈÉÔ ÉÈ ËÇÑ É ÊÉÌ

t

ÉÒÉÆ ÆÇÍÇ×ÌÔËÉÉÈ É

w

ÉÐÕ äÎÌ ÌÈÌ Ï ÌÐÉÔ ÓÔ ÉÈ ÑÇ ×Ï ÉËÉ×Ô ÉÈ ÎÓÍÐ ÉÒ

t

×Ü ÍÑÜË Ì

t

ß Ô ÉÏ É× ÒÇ ÍÜÊÐ ÜÑÌÈ

y

ÉÈÊ ÑÇ ×ÒÓÑ ÓÈÊÉÈ ÏÇ ÈÊÉÈ ÒÇ ÍÉ

t

ÜÔ ×Ì

t

Ï ÉÈ Ô ÉÏÉ× ÐÇÓÔÜË Ì

t

Ï ÉÐ ÉÍ

t

ÓÑ ÓÒ ÆÉËÌÇÈÕ æÇ ×ÏÉÆÉ

t

ÔÇ ÍÓÏ Ì ÉÈ È ÌÐ ÉÌ Ë

t

ÉÈÏ É× É

t

É

u

×ÓÎÓÔ ÉÈ È ÌÐ ÉÌ

t

×Ü ÍÑÜË Ì

t

ß ÐÇ ÓÔÜË Ì

t

ß ÒÇ ÍÉ

t

ÜÔ ×Ì

t

Ï ÉÈ ÒÇ ÍÜ ÊÐÜÑ ÌÈ ÉÈÊ

y

ÑÇ× ÊÉÈ Ø ÓÈÊ ÆÉÏÉÓÍ Ó× Ï ÉÈÎÇÈ ÌË ÔÇÐ ÉÍÌÈÓÈØ ÓÔ ÍÇ ÍÑ ÉÈ Ø

u

ÍÇ ÐÌÒÉ

t

ÉÆÉÔ ÉÒÉÏÉ ÆÇÈÊÓ×ÉÈ ÊÉÈ É

t

É

u

ÆÇÈÌÈ ÊÔÉ

t

ÉÈ Ô ÉÏÉ×

t

×Ü ÍÑ ÜË Ì

t

ß ÒÇÍÜ ÊÐ ÜÑ ÌÈ ß ÒÉÍ É ÜÔ ×Ì

t

ß Ë Ç×

t

É ÐÇ ÓÔ ÜËÌ

t y

ÉÈÊÔÇ ÍÓÏ ÌÉÈ Ï ÉÆÉ

t

ÍÇÈÏ Ì É ÊÈÜËÉ ÉÆÉÔÉÒ Ë ÇË ÇÜ×ÉÈÊ ÆÜËÌ

t

Ìà ÉÉ

t

u

ÈÇÊÉ

t

Ìà ÍÇÈÏ Ç ×Ì

t

É áâáÕ çÇÈÊÉÛ

u

ÆÉÏÉÔ ×Ì

t

Ç ×Ì ÉÏ ÌÉ ÊÈÜË É ÆÜ ËÌ

t

ÌàÉÉ

t

u

ÈÇÊÉ

t

Ìà Ë ÇÜ ×ÉÈÊÆÉË ÌÇÈ ß ÍÉÔ É Ï ÌÐ ÉÔ ÓÔÉÈ ÔÐÉËÌà ÌÔ ÉËÌ ÏÇÈÊÉÈÍÇÈÇ×ÉÆÔ ÉÈÍ Ç

t

ÜÏÇ Ë

t

É

t

ÌË

t

ÌÔ É ÍÇÈÊÊÓÈÉÔÉÈØÇÔÈ ÌÔèéê éë ìíì íîÕ

(15)

t

y

u

data mining

t

ut

Hierarchical

Clustering, K-means, Fuzzy K-Means, K-Nearest Neighbor,

L

Klasifier Naïve Bayes, Decision Tree, Artificial Neural Network (ANN)

Support Vector Machine (SVM)

t

Support Vector Machine

t

y

Support Vector Machine

tu t

hyperplane)

y

t

y

ut

! " # $%$

t

&

y

t

!

y

t

hyperplane

'

t

hyperplane

Hyperplane

y

t

"

t

(

t

et.al

$%% )

y

tu

t

K-Nearest Neighbor

*

t

y

+ &

y

t

y

t

y

* $%% ÿ

(16)

-./.0.123.45 67 8

H

.329

y

.4:/ 2-; 1<9 ;=-./ .-;4;92

t

2.4

t

;13;0 >?./. 9.=@;4 >4 A >B.4 0.=C.B;@ .@ ->.4:;4;1. 9 23 .32D EF3.4 :.

t

0 .2BG.2

tu

3 ;B 2.1

t

H,IJK 8

L4 ? >B @;4:.-9 2B.3 2B.4 @;

t

</ ;

t

;13;0 >?I -;4 > 923 @;4 :. @0 2 9 A >/ >9 M>:.3 7B= 2 1 N 9.32O 2B.3 2 52. :4<3. P;4.B 2

y

t

5; @.@ Q ; 1/. 1 .= 5;4:>; R5Q5 S F;4 ::>4 .B.4

Support Vector Machine

R D EFSQ;10.3 23TLUF.

t

9.0V8

1.2 Rumusan Masalah

Q ;1/ .3 . 1B .4 9.

t

.1 0 ;9.B. 4 :

y

. 4:

t

;9.= / 2>1.2B.4 3 ;0 ;9>@4.I

y

- ;[email protected]. 9 .=.4

y

. 4:.B.4/ 2

t

;92

t

2/. 9. @-;4 ;9 2

t

2.424 2./.9.=3;0 .:. 20;12B >?W

X8 Q.:. [email protected] . @;@0>.

t

B 9.32O 2B.3 2 -;4. B 2

y

t

/ ; @. @ 0 ;1/. 1.= / ;4:

u

; @;4 ::>4 .B.4

Support Vector Machine

RDEFSY

Z8 Q.:. [email protected] . 4 2 9. 2 .B >1.32 /. 9. @ B 9.3 2O2B.32 - ;4

y

.B 2

t

/;@. @ 0; 1/. 1.= / ;4:

u

; @;4::>4.B .4

Support Vector Machine

R DEFSY

[8 Q.:. [email protected] . @ ;1.4\.4: TLU F .

t

9.0 >4 ? >B B 9.32O 2B.3 2 -;4

y

. B 2

t

/ ;@. @ 0 ;1/. 1.=/ ;4:

u

; @;4::

u

4.B.4

Support Vector Machine

R D EF SY

1.3 Batasan Masalah

P ./.-;4 ;9 2

t

2.424 2I0..3 .4

t

@.3 . 9.=.4:

y

/ 2:>4 .B .4./. 9.=3;0.:. 20;12B >?W

X8 P;4 ;9 2

t

2.424 2@;4 ::>4.B .4@;

t

</ ;

Support Vector Machine

RD EFS Z8 ].329 B 9.3 23O 2B.32 @ ;4 A./ 2 />.I . 2

y

tu

-<32

t

2O / ; @.@ 0;1/.1.= /;4 :

u

; /.4

(17)

_` abc bd def gh cbi j kjh bij hbf l fmlh defefmlh bf nj ojpnjoj qbi j ef q ef

y

bhj

t

redbd seor bo bt ref g

u

e rj gl fbhbf

v

boj bsec uefji h ec bdj f q bijefv l d

u

o q bijefv q efj fghb

t

bf te dw gcw sj f xy sz v q efj f ghb

t

bf ted b

t

whoj

t

xy {z v

t

jfgh b

t t

ow dswi j

t

vrbfh b rboc elhwi j

t

`

1.4 Tujuan Penelitian

|eo r bibohbf ol dlibf qeo dbibc btbf

y

bf g

t

ecbt rj lobjh bf iesecl df

y

bv d bhb

t

l ulbfbf g

y

jf gj frj n bq bjrbcbdq efecj

t

jbfjfjbrbcbt iesb gbjs eoj hlm}

~` ed sl b

t

h cbi j kjh bi j redbd seo rbo bt ref gl e refgbf de

t

w re

Support

Vector Machine

`