OPTIMASI PREDIKSI PENYAKIT JANTUNG DENGAN NAÏVE BAYES DAN PARTICLE SWARM OPTIMIZATION (PSO)

Abstract

Penyakit jantung ialah kondisi kronis dan sangat fatal yang umum di kedua negara industri maupun non-industri, termasuk Indonesia. Melihat laporan dari Survei Kesehatan Indonesia (SKI) Keadaan penyakit jantung di Indonesia berada pada tingkat yang mengkhawatirkan.penyakit ini tersebar hampir di seluruh wilayah di Indonesia. Penyakit jantung tidak memandang batasan usia. Menurut Survei Kesehatan Indonesia (SKI), sekitar 0,8% dari setiap 100 penduduk Indonesia menderita penyakit jantung.Optimalisasi terhadap penggunaan Naïve Bayes sebagai algoritma yang digunakan untuk meprediksi penyakit jantung sangat dibutuhkan di dunia Kesehatan agar hasil yang didapatkan dari penggunaan aligoritma Naïve Bayes lebih optimal. Penelitian ini bertujuan untuk mengetahui apakah penggunaan metrode Particle Swarm Optimization (PSO) untuk seleksi fitur akan dapat meningkatkan efisiensi fitur hasil prediksi penyakit jantung, percobaan telah dilakukan dengan menggunakan dataset dan mendapatkan matriks kebingungan sebesar 79,12%. Didapatkan hasil yang lebih baik setelah menerapkan Optimalisasi pemilihan fitur menggunakan PSO untuk melakukan seleksi fitur pada dataset dan hasil yang didapatkan meningkat menjadi 86,37%.