Optimasi Algoritma C4.5 dan Naïve Bayes Berbasis Particle Swarm Optimization Untuk Diagnosa Penyakit Peradangan Hati

Abstract

Peradangan hati merupakan salah satu penyakit menular yang menjadi masalah kesehatan masyarakat yang berpengaruh terhadap angka kesakitan, angka kematian, status kesehatan masyarakat, angka harapan hidup, dan dampak sosial ekonomi lainnya. Melakukan diagnosa dini pada penyakit ini adalah sesuatu yang sangat penting agar dapat secara cepat ditangani dan diobati. Pada penelitian ini penulis akan mengaplikasikan dan membandingkan beberapa metode klasifikasi data mining dan optimasi dengan particle swarm optimization (pso), diantaranya Algoritma C4.5, Naïve Bayes, C4.5 dengan pso, dan Naïve Bayes dengan pso untuk mendiagnosis penyakit peradangan hati, kemudian membandingkan mana dari beberapa metode tersebut yang paling akurat. Berdasarkan hasil penelitian, diketahui bahwa metode C4.5 dengan pso merupakan metode terbaik dengan akurasi 79,51% dan nilai under the curva (AUC) 0,950, kemudian metode Naive Bayes dengan pso memiliki akurasi 79,28% dan nilai AUC sebesar 0,739, kemudian metode C4.5 dengan tingkat akurasi sebesar 70,99% dan nilai AUC sebesar 0,950, selanjutnya metode Naive Bayes dengan tingkat akurasi sebesar 66,14%, dan nilai AUC sebesar 0,742. Hal ini membuktikan bahwa optimasi particle swarm optimization dapat meningkatkan kinerja metode klasifikasi yang digunakan