PENERAPAN SUPPORT VECTOR MACHINE (SVM) PADA SMALL DATASET UNTUK DETEKSI DINI GANGGUAN AUTISME

Seiring dengan perkembangan ilmu pengetahuan dan teknologi informasi, kehadiran machine learning dibidang komputer telah menjadi salah satu tren dan menarik banyak perhatian. Penggunaan machine learning tidak terlepas dari  penggunaan data dalam pembelajarannya. Data yang besar merupakan data yang sering digunakan dalam proses pembelajaran machine learning. Perkembangan machine learning yang sangat pesat dapat memungkinkan data yang besar cepat pula terakumulasi. Namun, jarang ditemukan machine learning menggunakan data yang kecil (small dataset) dalam proses pembelajarannya. Small dataset ini biasanya bersifat private yang diambil dari sebuah organisasi yang akan dijadikan objek penelitian seperti data bank, rumah sakit, pabrik dan perusahaan jasa. Dalam penelitian ini peneliti menggunakan  algoritma Support Vector Machine dan k-fold corss validation untuk menguji nilai keakuratan small dataset serta menggunakan teknik ensemble untuk mengetahui seberapa pengaruhnya teknik ensemble terhadap algoritma Support Vector Machine. Hasil dari penelitian ini menunjukkan bahwan teknik ensemble dapat meningkatkan performa akurasi pada Support Vector Machine. Model algoritma SVM dan teknik ensemble dengan poly kernel menunjukkan nilai akurasi terbaik yaitu sebesar 91%.