Klasifikasi Khasiat Formula Jamu menggunakan Metode Support Vector Machine dan Komposisi Tanaman Jamu sebagai Penciri

Abstract

Jamu adalah obat tradisional yang belakangan ini popular dengan sebutan obat herbal. Jamu dibuat dari bahan-bahan alami, berupa bagian dari tumbuhan, seperti rimpang (akar-akaran), daun-daunan, kulit batang, dan buah. Jamu memiliki banyak variasi formula sehingga proses klasifikasi jamu berdasarkan komposisi tanaman masih merupakan permasalahan yang menarik untuk diteliti. Tujuan dari penelitian ini menganalisis klasifikasi khasiat jamu berdasarkan persentase komposisi riil tanaman jamu menggunakan metode support vector machine (SVM) dan membandingkan nilai akurasi SVM dengan scaling dan tanpa scaling. Dataset yang digunakan adalah data dari 142 jenis tanaman yang dikumpulkan dari 109 data jamu dan komposisinya. Hasil penelitian ini menunjukkan bahwa nilai akurasi tertinggi dihasilkan oleh model yang menggunakan radial basis function (RBF) kernel dengan SVM tanpa scaling sebesar 52.29%.