Analisis Performa Algoritma Support Vector Machine dan Algoritma K-Nearest Neighbors untuk Kasus Penyakit Mulut dan Kuku pada Sapi di Jawa Timur

Abstract

Penyakit mulut dan kuku (PMK) saat ini tengah mewabah di Indonesia. Penyakit ini umunya menyerang hewan berkuku genap atau belah yaitu seperti sapi, kerbau hingga domba atau kambing. Gejala Penyakit ini tidak ditularkan ke manusia atau bukan penyakit zoonosis. Memprediksi penyakit mulut dan kuku pada sapi merupakan suatu permasalahan yang solusinya dapat dilakukan dengan menggunakan machine learning. Terdapat beberapa metode yang berbeda maka hasil akurasi juga akan berbeda-beda. Penelitian ini bertujuan untuk membandingkan performa algoritma Support Vector Machine dan algoritma K-Nearest Neighbor. Dalam penelitian ini jumlah dataset berjumlah 540 baris dan 12 kolom. Pada penelitian algoritma Support Vector Machine menggunakan beberapa kernel yaitu kernel rbf, kernel linear, kernel poly, dan kernel sigmoid lalu untuk algoritma K-Nearest Neighbors menggunakan nilai K=1 hingga K=20. Penelitian ini juga menggunakan beberapa skenario yaitu perbandingan jumlah data latih dan jumlah data uji yang pertama data latih 70% dan data uji 30% lalu yang kedua data latih 80% data uji 20% dan yang ketiga 90% data latih 10% data uji. Pengunaan algoritma Support Vector Machine dan algoritma K-Nearest Neighbors digunakan untuk memperoleh hasil yangrelevan atau akurat dalam memprediksi penyakit mulut dan kuku pada sapi. Hasil yang diperoleh dari penelitian ini untuk kedua algoritma dapat di katakan baik karena sama- sama memiliki nilai akurasi yang tinggi yaitu sebesar 100%.