DETEKSI DINI PENYAKIT IUGR (INTRA UTERINE GROWTH RETRICTION) DENGAN METODE SVM (SUPPORT VECTOR MACHINE)

Abstract

IUGR (INTRA UTERINE GROWTH RETRICTION) is a condition when the baby's growth stops before birth so the baby looks small and does not have normal growth like normal fetal growth patterns. The purpose of this study was to detect the fetus in the womb so as to know the condition of the baby is normal or IUGR by knowing the gestational age, bi-parietal diameter, abdominal circumference, head circumference, fetal length.The purpose of this study was to obtain an accurate prediction of IUGR with "value 0" meaning that IUGR disease was not detected, whereas "value 1" was detected symmetric IUGR disease and "value 2" was Asymmetric IUGR using the SVM method (Support Vector Machine) ) with 4 kernelsThere are 12 parameters of IUGR patients. Patient data were obtained from Jemursari SBY Hospital. In this experiment using the swarm particle optimization (PSO) as an algorithm selection feature. In experiments show that PSO can reduce the attributes of 12 attributes to 4 attributes . In experiments with this multiclass SVM method obtained an accuracy value of 96% . Keywords : IUGR, SVM IUGR  (INTRA UTERINE GROWTH RETRICTION) adalah adalah sebuah kondisi ketika pertumbuhan bayi berhenti sebelum dilahirkan sehingga bayi terlihat kecil dan tidak memiliki pertumbuhan yang normal seperti pola pertumbuhan janin yang normal. Tujuan dari penelitian ini adalah untuk mendeteksi janin dalam kandungan agar mengetahui kondisi bayi tersebut normal atau IUGR dengan cara mengetahui usia kehamilan, diameter bi-parietal, lingkar perut, lingkar kepala, panjang fetus. Tujuan penelitian ini adalah untuk memperoleh hasil prediksi yang tepat terhadap penyakit IUGR dengan “nilai 0” artinya tidak terdeteksi penyakit IUGR, sedangkan “nilai 1” adalah terdeteksi penyakit IUGR Simetrik dan “nilai 2” adalah IUGR Asimetrik dengan menggunakan metode SVM ( Support Vector Machine ) dengan 4 kernel. T erdapat 12 parameter dari pasien IUGR. Data pasien diperoleh dari RS Jemursari SBY. Dalam percobaan ini menggunakan optimasi partikel swarm ( PSO ) sebagai fitur pilihan algoritma. Dalam experimen menunjukkan bahwa PSO dapat mengurangi atribut dari 12 atribut menjadi 4 atribut. Dalam percobaan dengan metode SVM multiclass ini memperoleh nilai akurasi sebesar 96%. Kata kunci : IUGR, SVM