Klasifikasi Risiko Human Immunodeficiency Virus (HIV) Menggunakan
Parameter CD4 dengan Metode Support Vector Machine

ERICA NURSANTI DEWI

Informasi Umum

Kode

20.04.3696

Klasifikasi

006.31 - Machine Learning

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Machine Learning

Dilihat

130 kali

Informasi Lainnya

Abstraksi

Berdasarkan data dari UNAIDS, di tahun 2019 38 juta orang di seluruh dunia diperkirakan menderita Human Immunodeficiency Virus (HIV). Padahal hingga saat ini masih belum ditemukan obat untuk menyembuhkan HIV. Meskipun begitu, terdapat jenis obat yang dapat memperlambat perkembangan virus yakni antiretroviral (ARV). ARV bekerja dengan menghilangkan unsur yang dibutuhkan virus HIV untuk menggandakan diri, dan mencegah virus HIV menghancurkan sel cluster of differentiation 4 (CD4). Pandangan negatif terhadap orang dengan HIV/AIDS (ODHA) menjadi hambatan besar untuk pencegahan, pengobatan, perawatan dan dukungan HIV/AIDS. Stigma dan diskriminasi yang tersebar di masyarakat, menyebabkan terjadinya kecemasan dan prasangka terhadap ODHA sehingga masyarakat enggan melakukan pemeriksaan HIV atau tidak mengungkapkan status HIV kepada pasangan. Semua itu menyebabkan penundaan atau penolakan perawatan dan ketidakpatuhan dalam pengobatan HIV. Dalam penelitian Tugas Akhir ini, telah dilakukan perancangan sistem untuk mengklasifikasikan imunodefisiensi sebagai risiko HIV dengan menggunakan parameter CD4. Metode yang digunakan yaitu Support Vector Machine (SVM) sebagai klasifikator. Pengklasifikasian meggunakan metode SVM dengan pengukuran yang tepat dapat memberikan pertolongan untuk mencegah tersebarnya virus dalam tubuh penderita HIV. Pembelajaran mesin telah digunakan sebagai alat prediksi di banyak bidang kedokteran, termasuk memprediksi obat ARV. Pembelajaran mesin juga dapat digunakan untuk mengklasifikasi risiko dari informasi jumlah CD4. SVM adalah metode pembelajaran mesin yang bekerja dengan tujuan untuk mendapatkan hyperplane terbaik yang memisahkan kelas pada input space. Hasil yang diperoleh dalam Tugas Akhir ini adalah aplikasi berbasis Python yang dapat mengolah data untuk klasifikasi risiko HIV. Jumlah sampel data yang digunakan dalam penelitian Tugas Akhir ini masih terbatas yakni sebesar 16 data uji dan 500 data latih. Performansi yang dihasilkan dari sistem tersebut yaitu akurasi rata-rata Kernel Linear 68.75%, akurasi Kernel RBF 87.5% dengan nilai parameter pada sequential training SVM.