Komparasi Support Vector Machine dengan Logistic Regression terhadap klasifikasi pada data asma

Abstrak

Single Nucleotide Polymorphisms (SNP) atau Polimorfisme Nukleotida Tunggal merupakan salah satu jenis variasi genetik yang paling umum pada genom manusia. Salah satu contoh data SNP adalah data asma yang diperoleh dari paket program R yaitu SNPassoc. Penyakit asma  diantaranya dipengaruhi oleh kondisi genetik manusia. Untuk melihat pengaruh SNP pada genetik manusia dapat dilakukan klasifikasi yang merupakan sebuah proses untuk memisahkan kelas data satu dengan yang lainnya. Penelitian ini bertujuan membandingkan kinerja (performance) metode Support Vector Machine (SVM) dan Logistic Regression (LR) untuk klasifikasi terkena penyakit asma atau tidak pada data asma. Empat statistik digunakan guna melihat tingkat kebaikan metode atau kinerja dari metode yaitu akurasi (accuracy), presisi (precision), recall, dan F1-Score. Pada proporsi data uji 20%, metode SVM lebih unggul dengan akurasi, presisi, recall, dan F1-Score sebesar 78,76%, 78,85%, 100%, 88,12% dibandingkan metode LR dengan hasil 77,09%, 79,34%, 96,09%, 78,14%. Demikian juga untuk proporsi data uji yang lain, memberikan hasil yang analog. Berdasarkan hasil yang diperoleh dapat disimpulkan bahwa pada kasus ini metode SVM cenderung lebih baik dari pada metode LR.