Penerapan Particle Swarm Optimization (PSO) dalam Pemilihan Atribut untuk Meningkatkan Akurasi Prediksi Diagnosis Penyakit Hepatitis dengan Metode Naïve Bayes

Penerapan Particle Swarm Optimization (PSO) dalam Pemilihan Atribut untuk Meningkatkan Akurasi Prediksi Diagnosis Penyakit Hepatitis dengan Metode Naïve Bayes

• By Koeswara, Tya Septiani Nurfauzia; Mardiyanto, M Sukrisno; Ghani, Muhamad Abdul;
• Jurnal Nasional Tidak Terakreditasi
• 583
• 1-10

Hepatitis adalah penyebab utama kematian di antara semua penyakit menular, dan menjadi masalah kesehatan masyarakat di negara-negara berkembang di dunia, termasuk Indonesia yang menempati peringkat kedua di antara negara-negara anggota WHO Kawasan Asia Tenggara dengan orang nomor 2 dengan Hepatitis B setelah Myanmar ( WHO, 2017). Hepatitis termasuk penyakit kronis, ketika pasien terinfeksi, kondisinya masih sehat dan belum menunjukkan gejala dan tanda yang khas, tetapi penularannya berlanjut. Maka perlu ada pendeteksian lebih dini untuk mengurangi kasus hepatitis, salah satunya adalah dengan membuat sistem diagnosis hepatitis yang akurat. Dalam penelitian ini, optimasi naive bayes dilakukan dengan menggunakan optimasi partikel swarm yang diterapkan pada data pasien dengan 2 kelas, yaitu hepatitis positif dan hepatitis negatif di Rumah Sakit Al-Mulk Kota Sukabumi Kota. Setelah pengujian, nilai akurasi untuk model algoritma Naive Bayes adalah 86,52% dengan nilai AUC 0,860 dan nilai akurasi model Naive Bayes dengan pemilihan atribut menggunakan Particle Swarm Optimization adalah 91,67% dengan AUC 0,895. Berdasarkan nilai ini, perbedaan akurasi adalah 5,15% dan perbedaan dalam AUC adalah 0,035.

• Katakunci Hepatitis, Naive Bayes, Particle Swarm Optimazation
• URL http://speed.web.id/jurnal/index.php/speed/article/view/615
• Penerbit ,

REFERENSI

Arga, D. A. S., Lestari, U., & Sutanta, E. (2017). Implementasi Data Mining Untuk Memprediksi Masa Studi Mahasiswa Menggunakan Algoritme C4.5 (Studi Kasus: Jurusan Teknik Informatika, Institut Sains & Teknologi Akprind Yogyakarta). Jurnal Risiko, 5(2), 1935–1943.

Astuti, Y. P., Sudibyo, U., Kurniawan, A. W., & Rahayu, Y. (2018). Algoritma Naive Bayes Dengan Fitur Seleksi Untuk Mengetahui Hubungan Variabel Nilai Dan Latar Belakang Pendidikan. Simetris: Jurnal Teknik Mesin, Elektro Dan Ilmu Komputer, 9(1), 597–602. https://doi.org/10.24176/simet.v9i1.2016

Ba-alwi, F. M., & Hintaya, H. M. (2013). Comparative Study for Analysis the Prognostic in Hepatitis Data: Data Mining Approach. International Journal of Scientific & Engineering Research, 4(8), 680–685.

Buntoro, Ghulam Asrofi., T. B. A. & A. E. P. (2016). Sentiment Analysis Candidates of Indonesian Presiden 2014 with Five Class Attribute. International Journal of Computer Applications, 136(2).

Ciptohartono, C. C. (2014). Algoritma Klasifikasi Naive Bayes untuk Menilai Kelayakan Kredit. Jurnal Teknik Informatika Fakultas Ilmu Komputer Semarang. Jurnal Teknik Informatika Fakultas Ilmu Komputer Semarang.

Erawati, W. (2015). Prediksi Penyakit Hati Dengan Menggunakan Model Algoritma Neural Network. Techno Nusa Mandiri, XII(2), 21–26.

Gao, C. zhi, Cheng, Q., He, P., Susilo, W., & Li, J. (2018). Privacy-preserving Naive Bayes classifiers secure against the substitution-then-comparison attack. Information Sciences, 444, 72–88. https://doi.org/10.1016/j.ins.2018.02.058

Gorunescu, F. (2011). Data Mining Concepts, Models and Techniques. Springer.

Hadi, M., & Alamudi, M. (2017). Skrining Hepatitis B Surface Antibody ( HBsAb ) pada Remaja di Surabaya dengan Menggunakan Rapid Test. Journal of Health Science and Prevention, 1(2), 93–96.

Hasibuan, E. H., Mawengkang, H., & Efendi, S. (2017). Optimization of Feature Weight TheVoting Feature Intervals 5 Algorithm Using Partical Swarm Optimization Algorithm. Journal of Physics: Conference Series, 930(1). https://doi.org/10.1088/1742-6596/930/1/012023

Ibrahim, I. (2016). Penilaian Agunan Property Pengajuan Kredit Menggunakan Optimasi Algoritma Support Vector Machine Berbasis Particle Swarm Optimization. Technologia: Jurnal Ilmiah, 7(1), 40–51. https://doi.org/10.31602/tji.v7i1.611

Kamagi, D. H. dan S. H. (2014). Implementasi Data Mining dengan Algoritma C4.5 Memprediksi Tingkat Kelulusan Mahasiswa. UTLIMATICS, 6(1).

Karthikeyan, T., & Thangaraju, P. (2013). Analysis of Classification Algorithms Applied to Hepatitis Patients. International Journal of Computer Applications, 62(15), 25–30. https://doi.org/10.5120/10157-5032

Kusrini & Taufiq Emha Luthfi. (2009). Algoritma Data Mining. Andi Offset.

Kusumawati, D., Winarno, W. W., & Arrief,  m. R. (2015). Prediksi Kelulusan Mahasiswa Menggunakan Metode Neural Network dan Particle Swarm Optimization. Semnasteknomedia Online, 3(1).

Lubis, M. R. (2017). Metode Hybrid Particle Swarm Optimization - Neural Network Backpropagation Untuk Prediksi Hasil Pertandingan Sepak Bola. J-SAKTI (Jurnal Sains Komputer Dan Informatika), 1(1), 71. https://doi.org/10.30645/j-sakti.v1i1.30

Pattipeilohy, W. F., Wibowo, A., & Utari, D. R. (2017). Pemodelan Dan Prototipe Sistem Informasi Untuk Prediksi Pembaharuan Polis Asuransi Mobil Menggunakan Algoritma C.45. Seminar Nasional Teknologi Dan Informatika 2017 (SNATIF), October, 791–799. https://www.neliti.com/id/publications/173500/pemodelan-dan-prototipe-sistem-informasi-untuk-prediksi-pembaharuan-polis-asuran

Prasetyo, E. (2012). Data Mining Konsep dan Aplikasi Menggunakan Matlab. Andi Offset.

Pusat data dan informasi kesehatan RI. (2014). Situasi Dan Analisis Hepatitis.

Qurnia, I. L., Prasetyo, E., & Zainal, R. F. (2016). CLASSIFICATION OF DIABETES DISEASE USING NAIVE BAYES Case Study : SITI KHADIJAH HOSPITAL. Journal of Electrical Engineering and Computer Sciences, 1(2), 147–151.

Ramdhani, A., Isnanto, R. R., & Windasari, I. P. (2015). Pengembangan Sistem Pakar Untuk Diagnosis Penyakit Hepatitis Berbasis Web Menggunakan Metode Certainty Factor. Jurnal Teknologi Dan Sistem Komputer, 3(1), 58. https://doi.org/10.14710/jtsiskom.3.1.2015.58-64

Sammut, C. & G. I. W. (2017). Encyclopedia of Machine Learning and Data Mining. Springer.

Santosa, B. (2010). Tutorial Particle Swarm Optimization. Institut Teknologi Surabaya.

Saputra, S. (2017). Komparasi Algoritma Berbasis Neural Network. 10(1), 40–49.

Septiani, W. D. (2017). Komparasi Metode Klasifikasi Data Mining Algoritma C4.5 Dan Naive Bayes Untuk Prediksi Penyakit Hepatitis. None, 13(1), 76–84. https://doi.org/10.33480/pilar.v13i1.149

Sinaga, F. (2017). Diagnosa Penyakit Hepatitis Menggunakan Aplikasi Jaringan Saraf Tiruan dengan Menggunakan Metode Perception. Majalah Ilmiah INTI, 12(1).

Suwardika, G. (2017). Pengelompokan Dan Klasifikasi Pada Data Hepatitis Dengan Menggunakan Support Vector Machine (SVM), Classification And Regression Tree (Cart) Dan Regresi Logistik Biner. Journal of Education Research and Evaluation, 1(3), 183. https://doi.org/10.23887/jere.v1i3.12016

Trisulistyo, F. dan F. N. (2014). Sistem Pakar untuk Mendiagnosa Penyakit Hepatitis dengan Menggunakan Metode Fuzzy Tsukamoto. Jurnal Sarjana Teknik Informatika, 2(2).

Utami, L. A. (2017). Analisis Sentimen Opini Publik Berita Kebakaran HutanMelalui Komparasi Algoritma Support Vector Machine dan K-nearest Neighbor Berbasis Particle Swarm Optimization.

Waluyo, Srikandi dan Budhi, M. P. . (2011). Question & Answers: Hepatitis. PT. Elex Media Komputindo.

Widiastuti, Nur Aeni, S. S. dan C. S. (2014). Algoritma Klasifikasi Data Mining Naive Bayes Berbasis Particle Jurnal Swarm Optimization untuk Deteksi Penyakit Jantung. Pseudocode, 1(1).

Wijayakusuma, H. . H. (2008). Tumpas Hepatitis dengan Ramuan Herbal. Pustaka Bunda.

Yatim, F. (2008). Macam-macam Penyakit Menular dan Cara Pencegahannya Jilid 2. Pustaka Obor Populer.