HABIBURRAHMAN, - (2025) Penerapan Recursive Feature Elimination (RFE) untuk Klasifikasi Penyakit Alzheimer pada Support Vector Machine (SVM). Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text (Bab Gabungan) SKRIPSI LENGKAP KECUALI BAB HASIL - HABIBURRAHMAN Teknik Informatika.pdf - Published Version Download (3MB) | Preview
	Text (Bab Hasil) BAB HASIL - HABIBURRAHMAN Teknik Informatika.pdf - Published Version Restricted to Repository staff only Download (1MB)
Preview	Text (Surat Pernyataan) Persetujuan Publikasi Tugas Akhir - HABIBURRAHMAN Teknik Informatika.pdf - Published Version Download (451kB) | Preview

Abstract

Penyakit Alzheimer merupakan penyakit degeneratif pada sistem saraf yang ditandai dengan penurunan fungsi kognitif dan memori secara progresif, khususnya pada lansia. Deteksi dini sangat penting agar penanganan dapat dilakukan secara optimal. Penelitian ini bertujuan mengklasifikasikan penyakit Alzheimer menggunakan metode SVM dengan seleksi fitur RFE. Data bersumber dari Kaggle dengan total 2.149 data, 34 variabel dan 1 kelas. Tranformasi data mencakup normalisasi menggunakan Min-Max Scaler dan penyeimbangan kelas dengan SMOTE. Empat skenario diterapkan dalam pelaksanaan penelitian ini, yaitu SVM tanpa RFE dan SMOTE, SVM dengan SMOTE, SVM dengan RFE, serta kombinasi SVM, RFE dan SMOTE. Model dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Berdasarkan hasil evaluasi, integrasi metode SVM, RFE, dan SMOTE memberikan kinerja paling optimal dengan nilai akurasi tertinggi 83,80%, presisi 84,12%, recall 83,41%, dan F1-score 83,72% pada kernel RBF. Temuan ini menunjukkan bahwa seleksi fitur RFE dapat mengurangi jumlah fitur secara signifikan tanpa menurunkan performa model, dan penerapan SMOTE membantu menyeimbangkan distribusi kelas.

Actions (login required)

View Item