Penerapan Metode Naive Bayes dan Support Vector Machine (SVM) untuk Klasifikasi Penyakit Autism Spectrum Disorders

Autism Spectrum Disorder (ASD) adalah suatu gangguan perilaku seseorang yang disebabkan oleh kelainan structural otak manusia yang mempengaruhi sistem saraf ditandai dengan adanya kendala dalam upaya untuk melakukan interaksi sosial, berkomunikasi serta aktifitas yang dilakukan secara berulang. Gangguan autisme biasanya didiagnosis di lingkungan klinis oleh spesialis yang sudah berlisensi dalam bidangnya dengan menggunakan prosedur yang bisa memakan waktu lama dan tidak hemat biaya. Oleh karena itu para ahli di bidang medis, psikologi dan ilmu perilaku terapan dalam beberapa dekade terakhir mengembangkan metode skrining seperti Autism Spectrum Quetiont. Namun metode skrining dinilai masih menggunakan perhitungan sederhana dengan menghitung skor jawaban akhir yang diberikan. Tentunya masih dibutuhkan suatu teknologi cerdas yang dapat menyelesaikan hal ini dengan cepat dan hemat biaya sepeti machine learning. Pada penelitian ini menerapkan 2 metode yaitu Naïve Bayes dan Support Vector Machine untuk melakukan klasifikasi pada Autism Spectrum Disorder. Hasil penelitian ini menunjukkan bahwa baik metode Naïve Bayes maupun Support Vector Machine efektif digunakan dalam klasifikasi penyakit Autism Spectrum Disordeers (ASD). Metode Naïve Bayes mencapai akurasi sebesar 97% dengan nilai recall (sensitifity) sebesar 97% serta nilai specificity mencapai 97% sedangkan Metode SVM bahkan mampu mencapai akurasi sebesar 100% dengan nilai recall (sensitifity) dan specificity juga mencapai 100%.