Penyakit stroke merupakan penyakit kedua yang menyebabkan kematian
terbanyak dari seluruh total kematian di dunia. Selain memakan banyak korban
jiwa para penyintas penyakit stroke terkadang mengalami cacat permanen yang
membebani keluarga dan masyarakat. Pada penelitian ini, digunakan metode
seleksi fitur Chi Square dan metode Support Vector Machine untuk klasifikasi
stroke. Pada metode Support Vector Machine, 3 jenis kernel(linear kernel,
polynomial kernel, RBF kernel) digunakan pada penelitian ini. Dataset yang
digunakan pada penelitian ini diambil dari situs Center for Disease and Prevention
yang merupakan data hasil survei masyarakat Amerika Serikat. Data yang
digunakan adalah data terbaru yang diambil pada tahun 2021 dengan jumlah data
sebanyak 12.132 record dan memiliki total 280 pertanyaan.
Penelitian ini menggunakan berbagai jenis indikator di mana setiap kernel
memiliki indikator yang berbeda. Linear SVM menggunakan indikator
regularization; Polynomial menggunakan indikator regularization, constant, dan
degree; dan terakhir RBF SVM menggunakan indikator regularization dan gamma.
Sedangkan untuk metode seleksi fitur Chi Square indikator yang digunakan adalah
alpha. Nilai ukur yang digunakan pada penelitian ini adalah precision dan recall,
akan tetapi penelitian ini akan lebih berfokus terhadap nilai recall.
Berdasarkan hasil pengujian yang dilakukan pada penelitian ini, model yang
menggunakan RBF Kernel menghasilkan nilai recall terbaik sebesar 0,9881. Nilai
recall tertinggi yang dihasilkan oleh Polynomial Kernel sebesar 0,9471. Terakhir,
Nilairecall tertingi yang dihasilkan oleh Linear Kernel adalah sebesar 0,9723. Hasil
pengujian membuktikan bahwa semua indikator yang digunakan dalam pengujian
memiliki pengaruh terhadap nilai akurasi.