Perbandingan Algoritma Support Vector Machine dan K-Nearest Neighbors Pada Sinyal Tubuh Perokok

Abstrak

Merokok adalah kebiasaan yang sulit dihilangkan dalam masyarakat. Rokok
mengandung bahan berbahaya dan bisa menyebabkan kanker serta penyakit
pernapasan. Merokok juga meningkatkan risiko infeksi tuberkulosis.
Perokok pasif yang terpapar asap rokok sangat berisiko bagi kesehatan.
Penelitian ini bertujuan untuk melakukan evaluasi dan perbandingan antara
algoritma Support Vector Machine (SVM) dan K-Nearest Neighbors (KNN)
dalam klasifikasi sinyal tubuh perokok. Hasil evaluasi menunjukkan bahwa
penggunaan SVM dengan kernel linear dan metode forward selection
menghasilkan akurasi tertinggi sebesar 75%, yang melampaui akurasi
tertinggi KNN sebesar 72%. Dari hasil tersebut penggunaan metode forward
selection meningkatkan akurasi dibandingkan dengan penggunaan semua
fitur yang tersedia, kecuali pada SVM dengan kernel RBF. Evaluasi pada
penelitian ini menggunakan Confuntion Matrix dan Record klasifikasi.
Adapun hasil kinerja model pada class “Tidak merokok” menggunakan SVM
mendapatkan nilai presisi (84%), recall (75%), f-1 score(79%) dan KNN
mendapatkan nilai presisi (75%), recall (83%), f-1 score(79%). Sedangkan
pada class “Merokok” menggunakan SVM mendapatkan nilai presisi (64%),
recall (75%), f-1 score(69%) dan KNN mendapatkan nilai presisi (64%),
recall (53%), f-1 score(58%).