KLASIFIKASI STATUS HUMAN IMMUNODEFICIENCY VIRUS (HIV) MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) DAN REGRESI LOGISTIK BINER (Studi Kasus: Rumah Sakit Tiom Kabupaten Lanny Jaya Provinsi Papua)

Abstract

Terdapat beberapa metode statistik dalam data mining yang digunakan untuk mengklasifikasikan antar dua kelas yaitu metode support vector machine dan regresi logistik biner, kedua metode ini memiliki persamaan jenis variabel data yaitu pada variabel responnya bernilai nominal. Klasifikasi adalah proses memprediksi label/kelas yang akan dilakukan pada data yang belum diberikan label/kelas berdasarkan fungsi atau pola yang telah dibentuk. Penelitian ini membahas tentang status HIV di RS Tiom Kabupaten Lanny Jaya provinsi Papua dan menggunakan metode support vector machine dan regresi logistik biner. Metode ini berfungsi untuk melihat klasifikasi ketepatan status HIV berdasarkan variabel prediktor diantaranya jenis kelamin (X₁), umur (X₂), status pernikahan (X₃), tingkat pendidikan (X₄), daerah tempat tinggal (X₅), dan pendapatan (X₆), dengan variabel dependen adalah status HIV dikategorikan menjadi dua yaitu 1 dan -1, dengan nilai 1 menyatakan bahwa positif HIV dan nilai -1 menyatakan negatif HIV sedangkan regresi logistik merupakan suatu metode analisis data yang digunakan untuk mencari hubungan antara variabel respon (Y) yang bersifat biner atau dikotomi dengan variabel prediktor (X) yang bersifat polikotomus. Dari variabel respon Y terdiri dari 2 kategori yaitu “sukses” dan “gagal” yang dinotasikan 1 dan 0. Penelitian ini membahas pengklasifikasian dengan menggunakan metode support vector machine dan regresi logistik biner dalam menentukan faktor-faktor yang mempengaruhi status Human Immunodeficiency Virus (HIV) di Tiom. Data RS Tiom tahun 2018 jumlah yang berstatus positif HIV sebanyak 37 orang atau 25% dan jumlah status negatif HIV sebanyak 113 orang atau 75%.  Dari hasil analisis klasifikasi didapatkan bahwa model terbaik adalah model klasifikasi support vector machine dengan menggunakan kernel linier dengan parameter cost (C) sebesar 0.1 dan error sebesar 0.268657.