Implementasi Metode Backward Elimination Pada Algoritma SVM Untuk Klasifikasi Penyakit Ispa

Abstract

Infeksi Saluran Pernapasan Akut (ISPA) merupakan salah satu penyakit dengan jumlah kasus tinggi di Indonesia. Pada tahun 2023 tercatat 86.364 kasus ISPA, dan di Kota Bontang sendiri terdapat 5.820 kasus pada tahun 2024. Tantangan utama dalam klasifikasi penyakit ISPA adalah rendahnya akurasi prediksi, terutama dalam membedakan antara kategori ringan dan berat. Ketidakseimbangan data antar kelas menyebabkan model klasifikasi cenderung bias terhadap kelas mayoritas. Penelitian ini bertujuan untuk meningkatkan kemampuan klasifikasi penyakit ISPA dengan mengombinasikan algoritma Support Vector Machine (SVM) dan teknik seleksi fitur Backward Elimination. Dataset terdiri dari 1.501 data pasien dari UPT Puskesmas Bontang Barat tahun 2024–2025. Proses penelitian meliputi tahap pre-processing, seleksi fitur, penerapan SVM, validasi menggunakan 10-fold cross validation, dan evaluasi dengan confusion matrix. Hasil penelitian menunjukkan bahwa Backward Elimination berhasil mengidentifikasi 6 fitur yang relevan, yaitu jenis kelamin, sistolik, respiratory rate, berat badan, tinggi badan, dan leukosit polimorfonuklear. Model SVM dengan fitur terpilih menghasilkan akurasi 88,33%, meningkat dari sebelumnya 83,85%. Namun, untuk menghindari bias akibat ketidakseimbangan data, metrik evaluasi tambahan seperti recall, precision, dan F1-score juga dianalisis untuk memastikan model tidak hanya unggul secara akurasi, tetapi juga mampu mengenali kasus ISPA berat secara efektif.