Metode Naïve Bayes dan Particle Swarm Optimization untuk Klasifikasi Penyakit Jantung

Abstract

Penyakit jantung merupakan penyakit yang sangat berbahaya dan menjadi penyebab utama kematian di dunia. Pada tahun 2013, penderita penyakit jantung di Indonesia sendiri mencapai hingga 61.682 jiwa dan provinsi dengan diagnosa terbanyak yaitu Jawa Tengah dengan jumlah penderita sebanyak 11.511 jiwa. Pentingnya diagnosa secara tepat yang dilakukan oleh dokter akan membantu penangan pasien secara tepat sehingga memungkinkan untuk disembuhkan, tetapi kurangnya seorang pakar mengakibatkan diagnosa yang dilakukan secara intuisi dan pengalaman. Hal ini dapat mengakibatkan kesalahan fatal dalam penanganan pasien. Oleh karena itu, diperlukan suatu sistem pakar yang dapat digunakan sebagai alternatif untuk mendiagnosa penyakit jantung. Sistem pakar yang dipilih peneliti untuk mengatasi permasalahan tersebut adalah menggunakan metode Naive Bayes dan Particle Swarm Optimization untuk mengklasifikasikan penyakit jantung. Metode Naïve Bayes dipilih karena menggunakan sedikit data latih (Training Data) untuk menentukan estimasi parameter yang diperlukan pada proses klasifikasi, sedangkan Particle Swarm Optimization dipilih untuk meningkatkan akurasi dan nilai Area Under the Curve (AUC) dengan menetapkan bobot pada setiap atribut. Pengujian yang telah dilakukan menggunakan metode Naive Bayes sebelum penerapan PSO diperoleh akurasi sebesar 83,52% dengan nilai AUC 86,80% sesudah diterapkan PSO memperoleh akurasi 91,21% dengan nilai AUC 93.90%, terdapat peningkatan akurasi pada Naive Bayes sebesar 7,69% dan AUC 7,1%.