Non-Linear Separation dalam SVM merujuk pada kemampuan model SVM untuk menangani data yang tidak dapat dipisahkan secara linier dengan mentransformasikan data ke dimensi yang lebih tinggi, di mana kelas-kelas tersebut dapat dipisahkan secara linier. Metode ini menggunakan fungsi kernel untuk mentransformasi data ke ruang fitur yang lebih tinggi, di mana kelas-kelas menjadi terpisah secara linier. Diskusikan apa yang dimaksud dengan transformasi data ke dimensi yang lebih tinggi dalam Non-Linear Separation SVM, dan mengapa hal ini diperlukan