| dc.description.abstract | Infeksi hookworm (cacing tambang) merupakan salah satu penyakit yang sering ditemui pada kucing. Cacing ini juga dapat menyerang manusia karena bersifat zoonotik. Mengingat tingginya tingkat infeksi hookworm pada kucing, perlu untuk dilakukan pendeteksian awal status infeksi hookworm pada kucing dan mengidentifikasi faktor yang mempengaruhi. Salah satu metode yang dapat digunakan dalam mendeteksi adalah dengan analisis klasifikasi sedangkan untuk mengidentifikasi faktor yang mempengaruhi infeksi hookworm pada kucing dapat dianalisis dengan menggunakan regresi logistik. Metode klasifikasi yang dapat digunakan adalah support vector machine (SVM). SVM merupakan salah satu metode klasifikasi yang memiliki kemampuan klasifikasi yang baik dan dapat digunakan untuk data berskala besar dengan peubah penjelas yang banyak dan juga kekal terhadap pencilan (Steinberg & Colla 1995). Namun metode ini tidak memberikan performa yang baik jika terdapat permasalahan ketidakseimbangan data. Penanggulangan terhadap permasalahan ini dapat dilakukan dengan menggunakan metode Synthetic minority oversampling technique (SMOTE) dan metode boosting. Tujuan pada penelitian ini untuk membandingkan metode SVM, SMOTE SVM, boosting SVM dan SMOTE boosting SVM yang diterapkan pada data status infeksi hookworm. Selain itu juga mengidentifikasi faktor-faktor yang mempengaruhi infeksi hookworm pada kucing. Data yang digunakan dalam penelitian adalah data 243 kucing peliharaan di kota Bogor yang terdiri dari satu peubah respon kategorik dan 14 peubah penjelas. Kategori pada peubah respon yaitu terinfeksi hookworm dan tidak terinfeksi hookworm. Penerapan metode SVM pada data awal yang tidak seimbang memberikan nilai sensitivity sebesar 0% yang mengindikasikan bahwa tidak satupun data pada kelas dengan jumlah observasi yang lebih sedikit (kelas minor) diklasifikasikan secara tepat. Namun setelah diseimbangkan dengan menerapkan metode SMOTE, nilai sensitivity meningkat menjadi 46.15%. Hal ini menunjukkan bahwa menerapkan metode SMOTE dapat memperbaiki performa klasifikasi terutama dalam mengklasifikasikan kelas minor. Metode boosting SVM yang diterapkan pada data yang tidak seimbang memberikan nilai sensitivity sebesar 69.23%, yang mengindikasikan metode boosting dapat meningkatkan ketepatan klasifikasi pada kelas minor. Namun jika diterapkan pada data yang telah diseimbangkan (setelah SMOTE) menghasilkan nilai sensitivity sebesar 53.85%, hal ini menunjukkan terjadinya penurunan ketepatan klasifikasi pada kelas minor setelah dilakukan metode SMOTE. Berdasarkan nilai AUC dan sensitivity pada setiap metode, metode boosting SVM memiliki performa klasifikasi yang lebih baik dibandingkan metode yang lainnya. Sedangkan untuk faktor yang mempengaruhi infeksi hookworm pada kucing antara lain frekuensi kandang dibersihkan, cara membersihkan kandang, frekuensi kucing di luar rumah dan jenis pakan. | id |
