PERBANDINGAN ALGORITMA SUPPORT VECTOR MACHINES (SVM) DAN NEURAL NETWORK UNTUK KLASIFIKASI PENYAKIT JANTUNG

Salah satu organ tubuh yang paling penting adalah jantung. Darah dapat didistribusikan dengan baik ke seluruh tubuh jika ada jantung. persyaratan untuk contoh karakterisasi penyakit koroner. algoritma yang digunakan adalah
Support Vector Machines (SVM) dan algoritma Neural Net. Kumpulan dataset ini memiliki jumlah 416 instance. Perhitungan SVM memiliki 14 prediksi salah dan 70 prediksi benar. Ada 74 prediksi salah dan 344 prediksi benar pada algoritma Confusion Matrix Neural Network. Keakurasian algoritma SVM lebih tinggi dari pada Neural Net dapat dilihat dari hasil AUC 0.833, CA 0.83, F1 0.835, Accuracy 0.835 serta Review 0.835.Dari percobaan terhadap kedua model tersebut, model SVM dapat memiliki hasil lebih baik dengan melakukan klasifikasi yang menghasilkan akurasi 83%, sedangkan algoritma Neural Net lebih baik dalam menyelesaikan masalah terkait penyakit jantung dengan nilai akurasi 82%.