Detail Cantuman

Salah satu resiko terjadi stroke non-hemoragik disebabkan oleh berat badan berlebih atau obesitas, sehingga upaya mengatasi masalah tersebut diperlukan sebuah sistem yang dapat menentukan klasifikasi produk makanan yang diperbolehkan untuk pengidap penyakit stroke non-hemoragik. Penelitian ini dilakukan dengan menggunakan metode LVQ dan SVM dengan mengukur tingkat akurasi, precision, recall dan error goal metode dalam klasifikasi produk makanan. Implementasi model klasifikasi LVQ dengan parameter learning rate 0.1 dan epoch 100 menghasilkan nilai akurasi 0.7797, precision 0.7568, recall 0.8750, dan error goal 0.2203. Sedangkan model klasifikasi SVM dengan model hyperparameter (default) menghasilkan nilai akurasi 0.9153, precision 0.9375, recall 0.9091, dan error goal 0.0847. Pada tahap eksperimen dilakukan pengujian terhadap model LVQ dan SVM, dimana LVQ menghasilkan pasangan parameter yang optimal pada learning rate 0,001 dan epoch 10 dengan nilai akurasi 0.9068. Sedangkan SVM dengan model kernel polynomial menghasilkan parameter yang optimal pada cost 100 dengan nilai akurasi 0.9661. Berdasarkan pengujian yang dilakukan, model SVM merupakan metode klasifikasi yang lebih baik dari LVQ.