Klasifikasi Hasil Pengukuran Pada Alat Pendeteksi Biomarker Tuberculosis Menggunakan Support Vector Machine (SVM)
Tuberculosis (TBC) merupakan masalah kesehatan global yang memerlukan metode deteksi yang cepat dan non-invasif. Penelitian ini bertujuan untuk merancang dan mengevaluasi model machine learning berbasis Support Vector Machine (SVM) untuk klasifikasi biomarker TBC menggunakan data dari sistem array sensor gas. Dataset dibangun dari 100 sampel data yang diperoleh dari tiga sensor gas (MQ-3, MQ-135, dan QCM) yang dipaparkan pada senyawa biomarker (Benzena, Sikloheksana) dan senyawa kontrol. Dari sinyal sensor mentah, dilakukan ekstraksi 12 fitur statistik (mean, std, max, min) yang kemudian dinormalisasi menggunakan metode Min-Max Scaling. Model SVM dengan konfigurasi kernel Linear (C=10) dipilih sebagai model terbaik setelah melalui tahap perbandingan. Evaluasi dilakukan menggunakan skema K-Fold Cross-Validation dan pembagian data latih-uji (80:20). Hasil pengujian pada data uji menunjukkan bahwa model yang dikembangkan berhasil mencapai akurasi sebesar 95%. Model menunjukkan kinerja yang sangat baik dengan nilai F1-Score 0.96 untuk kelas biomarker positif dan presisi sempurna (1.00), yang mengindikasikan tidak adanya kesalahan prediksi positif palsu. Penelitian ini berhasil membuktikan bahwa kombinasi array sensor gas dengan metode ekstraksi fitur statistik dan klasifikasi SVM merupakan pendekatan yang sangat efektif dan menjanjikan untuk sistem deteksi biomarker TBC secara non-invasif.
URI
https://repo.itera.ac.id/depan/submission/SB2509190105
Keyword