Optimasi Parameter Support Vector Machine menggunakan Algoritma Genetika untuk Klasifikasi Status Gizi Balita Kota Samarinda

Abstract

Perkembangan balita usia dibawah lima tahun bersifat irreversible, dimana perbaikan tumbuh kembang anak tidak dapat dilakukan di fase berikutnya. Anak usia balita perlu mendapat gizi yang cukup untuk meningkatkan imunitas dan daya tahan tubuh menjadi lebih baik. Kesalahan perhitungan yang masih dilakukan secara manual menjadi permasalahan status gizi yang mengakibatkan proses menjadi lama dan hasil yang diberikan tidak akurat. Model klasifikasi menjadi solusi dalam menurunkan angka kesalahan dengan mempelajari data lama yang nantinya akan diterapkan ke dalam data baru. Algoritma Support Vector Machine memiliki kelemahan dalam mencari hyperparameter terbaik yang berpengaruh terhadap kinerja klasifikasi. Sehingga penelitian ini dilakukan untuk mencari parameter terbaik terhadap model klasifikasi SVM dengan optimasi parameter menggunakan algoritma genetika dalam mengoptimalkan pemilihan parameter berdasarkan data yang digunakan. Pengujian dilakukan terhadap Crossover Probability (CP): 0.5, 0.7, 0.8, Mutation Probability (MP): 0.05, 0.1, 0.2, Population Size (PS): 10, 40, 100, Generations (Gen): 10, 20, 40 dengan total pengujian sebanyak 81 kali dan total waktu selama 92 jam 30 menit. Hasil akurasi terbaik dicapai pada pembagian data 80%:20% dengan CP: 0.5, MP: 0.2, PS: 40, Gen: 10 menghasilkan parameter SVM terbaik dengan kernel: Polynomial, C: 852.13, Gamma: 8.05 dan Degree: 1 dengan akurasi sebesar 99.20%. Harapan untuk penelitian selanjutnya bisa memodifikasi proses algoritma genetika agar waktu komputasi menjadi lebih cepat dengan akurasi yang lebih baik. Terutama untuk parameter Population Size (PS) dan Generations (Gen) dengan nilai yang tinggi dapat memberikan hasil perhitungan menjadi lebih cepat.