Analisis Perbandingan Metode Support Vector Machine (SVM) dan Decision Tree Pada Klasifikasi Penyakit Acute Lymphoblastic Leukimia (ALL)

Abstract

Penelitian ini mengajukan sebuah sistem untuk melakukan perbandingan metode klasifikasi Support Vector Machine (SVM) dan Decision Tree untuk mengidentifikasi penyakit Acute Lymphoblastic Leukimia. Algoritma penelitian yang digunakan terdiri dari beberapa tahapan : Preprocessing menggunakan metode median filter. Segmentasi menggunakan metode K-Means Clustering segmentasi warna digunakan agar dapat memisahkan citra sel darah putih dan objek yang lain. Hasil penelitian sebelumnya menggunakan metode Support Vector Machine (SVM) memperoleh tingkat akurasi sebesar 95,45%. Setelah dilakukan penelitian dengan membandingkan metode klasifikasi menggunakan Decision Tree, diperoleh  tingkat akurasi sebesar 65,90%.