Penerapan Algoritma Support Vector Machine (SVM) untuk Deteksi Penyakit Mata Katarak

Abstract

Penyakit mata merupakan salah satu gangguan kesehatan yang dapat berdampak serius jika tidak terdiagnosis secara dini. Dalam upaya meningkatkan akurasi dan efisiensi deteksi penyakit mata, metode Support Vector Machine (SVM) digunakan untuk klasifikasi penyakit mata berdasarkan dataset citra atau data numerik terkait. Penelitian ini bertujuan untuk mengimplementasikan SVM sebagai algoritma klasifikasi, memanfaatkan fitur yang diekstraksi dari citra mata atau data medis yang relevan. Proses penelitian mencakup pengumpulan data, pra-pemrosesan, ekstraksi fitur, pelatihan model SVM, serta evaluasi performa model menggunakan metrik akurasi, precision, recall, dan F1-score. Dengan menerapkan teknik k-fold cross-validation, model diuji untuk menghindari overfitting dan memastikan generalisasi yang baik. Hasil penelitian menunjukkan bahwa metode SVM mampu memberikan hasil klasifikasi yang akurat, serta dapat digunakan sebagai alat bantu diagnosis penyakit mata yang efektif.Eye diseases are one of the health disorders that can have serious consequences if not diagnosed early. In an effort to improve the accuracy and efficiency of eye disease detection, the Support Vector Machine (SVM) method is used for classifying eye diseases based on image datasets or related numerical data. This research aims to implement SVM as a classification algorithm, utilizing features extracted from eye images or relevant medical data. The research process includes data collection, preprocessing, feature extraction, SVM model training, and model performance evaluation using accuracy, precision, recall, and F1-score metrics. By applying k-fold cross-validation techniques, the model is tested to avoid overfitting and ensure good generalization. The results of the study show that the SVM method can provide accurate classification results and can be used as an effective tool for diagnosing eye diseases.