Sistem Cerdas Klasifikasi Gejala Awal COVID-19 dan Influenza Menggunakan Metode Support Vector Machine

Abstract

Self-diagnosis merupakan tindakan menentukan sendiri penyakit berdasarkan informasi yang dimiliki, menjadi tantangan dalam mengklasifikasikan gejala awal COVID-19 dan Influenza. Tujuan penelitian ini adalah mengembangkan sistem cerdas menggunakan metode Support Vector Machine untuk membedakan antara COVID-19 dan Influenza berdasarkan gejala awal pasien RSUD Ragab Begawe Caram Mesuji. Metode pengumpulan data meliputi studi literatur dan dokumentasi dari berbagai sumber. Evaluasi dilakukan dengan menggunakan confusion matrix untuk mengukur akurasi model SVM dalam mengklasifikasikan gejala awal COVID-19 dan Influenza. Hasil penelitian menunjukkan bahwa model SVM mencapai akurasi sebesar 62%, dengan performa yang bervariasi di setiap kelas gejala. Evaluasi memperlihatkan bahwa sistem ini dapat membedakan antara gejala awal COVID-19 dan Influenza, memberikan diagnosa berdasarkan hasil klasifikasi. Rekomendasi bagi pengembangan selanjutnya adalah peningkatan jumlah Dataset untuk meningkatkan akurasi model secara keseluruhan, serta desain antarmuka yang dapat digunakan secara efektif oleh tenaga medis dan masyarakat.