Komparasi Penerapan Particle Swarm Optimization (PSO) Pada Algoritma Naïve Bayes, K-Nearest Neighbor Dan Random Forest Untuk Prediksi Penyakit Hati

Novian Ridho Saputra, RZ Abdul Aziz

Abstract


Hati memiliki fungsi yang krusial, yaitu pusat metabolisme yang berfungsi untuk menjaga kebutuhan otak dan sebagai filter darah dari zat-zat yang berbahaya yang datang dari usus. Penyakit hati yang dapat timbul karena kelainan fungsi hati ini adalah liver, hepatitis, kanker hati, sirosis hati, dan penyakit hati lainnya. Organ hati juga dapat terserang penyakit yang mengakibatkan hati tidak mampu berfungsi seperti biasanya bahkan menyebabkan kematian, penyakit liver merupakan penyakit hati yang sudah lama ada dan cukup umum di masyarakat. Menurut data WHO (World Health Organization) menunjukkan hampir 1,2 juta orang per tahun khususnya di Asia Tenggara dan Afrika mengalami kematian akibat terserang penyakit liver. Dalam penelitian ini akan dilakukan penerapan algoritma Naïve Bayes, K – NN, Random Forest dan PSO dengan mengoptimalkan atribut-atribut yang berasal dari dataset untuk memprediksi penyakit hati. Akurasi yang dihasilkan pada ketiga perbandingan alagoritma yaitu Random Forest dan PSO yaitu sebesar 99.84% , PSO dan K – NN hasil akurasi yang dihasilkan adalah 98.54%, Sedangkan PSO dan Naïve Bayes hasil akurasi yang dihasilkan adalah 94.65%. Dengan hal ini dapat disimpulkan bahwa penambahan PSO pada Random Forest dapat meningkat tingkat akurasi yang lebih baik.

Keywords


Naïve Bayes; K - Nearest Neighboar; Random Forest; PSO; Penyakit Hati

Full Text:

PDF

References


I. Herliawan et al., “Classification of Liver Disease By Applying Random Forest Algorith and Backward Elimination,” JITK (Jurnal Ilmu Pengetah. dan Teknol. Komput., vol. 6, no. 1, pp. 89–94, 2020, doi: 10.33480/jitk.v6i1.1424.

A. K. M. S. Rahman, F. M. Javed Mehedi Shamrat, Z. Tasnim, J. Roy, and S. A. Hossain, “A comparative study on liver disease prediction using supervised machine learning algorithms,” Int. J. Sci. Technol. Res., vol. 8, no. 11, pp. 419–422, 2019.

A. Siburian and C. F. Chang, “Chronic Liver Disease Lowering Physical and Mental Health Dimensions,” J. Keperawatan Indones., vol. 24, no. 3, pp. 149–156, 2021, doi: 10.7454/JKI.V24I3.1240.

M. Kesuma, “Prediksi Penyakit Liver Menggunakan Algoritma Random Forest,” J. Inf. dan Komput., vol. 11, no. 2, p. 2023, 2023.

T. Indriyani, G. E. M. Kurniawan, Yuliastuti, A. Rachman, C. N. Prabiantissa, and R. K. Hapsari, “An Improve KNN Method for Classification of Sexually Transmitted Diseases,” Sixth Int. Conf. Vocat. Educ. Electr. Eng., 2023.

A. P. Ayudhitama and Utomo Pujianto, “Analisa 4 Algoritma Dalam Klasifikasi Liver Menggunakan Rapidminer,” J. Inform. Polinema, vol. 6, no. 2, pp. 1–9, 2020, doi: 10.33795/jip.v6i2.274.

W. Fadri, “Klasifikasi Penyakit Hati dengan Menggunakan Metode Naive Bayes,” J. Inf. dan Teknol., vol. 5, no. 1, pp. 32–36, 2023, doi: 10.37034/jidt.v5i1.230.

A. Mustopa, Hermanto, Anna, E. B. Pratama, A. Hendini, and D. Risdiansyah, “Analysis of user reviews for the pedulilindungi application on google play using the support vector machine and naive bayes algorithm based on particle swarm optimization,” 2020 5th Int. Conf. Informatics Comput. ICIC 2020, vol. 19, 2020, doi: 10.1109/ICIC50835.2020.9288655.

S. H. F. Hakim, I. Cholissodin, and A. W. Widodo, “Seleksi Fitur Dengan Particle Swarm Optimization Untuk Pengenalan Pola Wajah Menggunakan Naive Bayes ( Studi Kasus Pada Mahasiswa Universitas Brawijaya Fakultas Ilmu Komputer Gedung A ),” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 1, no. 10, pp. 1045–1057, 2017.

R. Dahlia, S. Hadianti, R. Dahlia, N. Wuryani, W. Gata, and A. Selawati, “Penerapan Data Mining Terhadap Data Covid-19 Menggunakan Algoritma Klasifikasi,” Sekol. Tinggi Ilmu Komput. Nusa Mandiri Jakarta, vol. 21, no. 1, pp. 44–52, 2021.

Widhi Ramdhani, D. Bona, R. B. Musyaffa, and C. Rozikin, “Klasifikasi Penyakit Kangker Payudara Menggunakan Algoritma K-Nearest Neighbor,” vol. 8, no. 12, pp. 1–23, 2022.

M. Syukri Mustafa and I. Wayan Simpen, “Implementasi Algoritma K-Nearest Neighbor (KNN) Untuk Memprediksi Pasien Terkena Penyakit Diabetes Pada Puskesmas Manyampa Kabupaten Bulukumba,” Februari, vol. 2019, no. 1, pp. 1–10, 2019.

N. Khairina, T. T. S. Sibarani, R. Muliono, Z. Sembiring, and M. Muhathir, “Identification of Pneumonia using The K-Nearest Neighbors Method using HOG Fitur Feature Extraction,” J. Informatics Telecommun. Eng., vol. 5, no. 2, pp. 562–568, 2022, doi: 10.31289/jite.v5i2.6216.

L. Ratnawati and D. R. Sulistyaningrum, “Penerapan Random Forest untuk Mengukur Tingkat Keparahan Penyakit pada Daun Apel,” J. Sains dan Seni ITS, vol. 8, no. 2, 2020, doi: 10.12962/j23373520.v8i2.48517.




DOI: http://dx.doi.org/10.36448/jsit.v15i2.3851

Refbacks

  • There are currently no refbacks.


About the JournalJournal PoliciesAuthor Information

Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika)
e-ISSN: 2686-181X
Website: http://jurnal.ubl.ac.id/index.php/explore
Email: explore@ubl.ac.id
Published by: Pusat Studi Teknologi Informasi, Fakultas Ilmu Komputer, Universitas Bandar Lampung
Office: Jalan Zainal Abidin Pagar Alam No 89, Gedong Meneng, Bandar Lampung, Indonesia

This work is licensed under a Creative Commons Attribution 4.0 International License
Technical Support by:  RYE Education Hub