Penerapan Algoritma Genetika pada Support Vector Machine Sebagai Pengoptimasi Parameter untuk Memprediksi Kesuburan

Penerapan Algoritma Genetika pada Support Vector Machine Sebagai Pengoptimasi Parameter untuk Memprediksi Kesuburan

• By Hani Harafani, Andry Maulana;
• Jurnal Nasional Terakreditasi
• 245

Tingkat  kesuburan  di  berbagai  Negaramengalami  penurunan, Hasil  riset  WHO  mendapatkan 50%penyebab infertilitas adalah pihak pria  yang disebabkan  olehmenurunnya  kualitas  semen.  Pada  penelitian  ini  AlgoritmaGenetika  dan  metode  SVM  digunakan  untuk  memprediksikualitas semen pada dataset Fertility. Berdasarkan eksperimendengan  10  iterasi,  didapatkan  tingkat  akurasi  paling  tinggiadalah  SVM+GA(kernel  dot)  sebesar  89%,  kemudian  SVMsebesar  88%,  disusul  Decision  Tree  84%,  Neural  Network83%,  dan  Naïve  Bayes  82%.  Kesimpulannya  GA  terbuktidapat  meningkatkan  akurasi  pada  SVM  dengan  kernel  dotyang  menunjukkan  perbedaan  yang  signifikan,  meskipun  2kernel  dari  SVM  menunjukan  perbedaan  yang  tidaksignifikan. 

• Katakunci
• URL https://www.researchgate.net/publication/339016305_Penerapan_Algoritma_Genetika_pada_Support_Vector_Machine_Sebagai_Pengoptimasi_Parameter_untuk_Memprediksi_Kesuburan
• Penerbit ,

REFERENSI