Optimasi Metode Naïve Bayes Menggunkanan Algoritma Particle Swarm Optimization (Pso) Untuk Prediksi Penyakit Diabetes Mellitus



Authors (s)


(1) * Moh. Sukron   (Universitas Nurul Jadid)
(2)  Ahmad Supriadi   (Universitas Nurul Jadid)
(3)  Rizal Sulton   (Universitas Nurul Jadid)  
        Indonesia
(*) Corresponding Author

Abstract


Deabetes Mellitus merupakan salah satu penyakit dimana terdapat tingkat kadar gula (glukosa) yang tinggi didalam darah dalam kontek defisiensi insulin relatif dan resistensi insulin. Diabetes Mellitus sulit untuk diprediksikan. Dengan pemannfaatan database pasien, peneliti mencoba mengolah variabel pasien Deabetes Mellitus dalam medapatkan akurasi prediksi penyakit Diabetes Mellitus dengan memanfaatkan data mining. Metode yang digunakan adalah Naive Bayes, namun metode Naïve Bayes memiliki kelemahan yaitu hasil probabilitas kurang berjalan seara optimal dan sering salah pada atribut. Guna mengatasi kelemahan Naïve Bayes, salah satu cara yaitu dengan metode pembobotan atribut menggunakan algotima Prticle Swarm Optimization (PSO). Hasil penelitain menunjukkan akurasi metode naïve bayes menghasilkan akurasi sebesar 86,80% dan Naïve Bayes dengan Particle Swarm Optimization (PSO)  menghasilkan akurasi 89,84%. Dari hasil tersebut dapat disimpulkan metode naive bayes yang di optimasi dengan pembobotan atribut di dapatkan nilai akurasi yang lebih baik dengan peningkatan akurasi 3,04%.




Full Text: DOWNLOAD PDF



References


E. Dwi Amelisa Edwina, Asman Manaf, “Artikel Penelitian Pola Komplikasi Kronis Penderita Diabetes Melitus Tipe 2 Rawat Inap di Bagian Penyakit Dalam RS . Dr . M . Djamil Padang Januari 2011 - Desember 2012,” vol. 4, no. 1, 2015.

G. Allen, “Managing acute pulmonary oedema,” vol. 40, no. 2, pp. 59–63, 2017.

Depkes, “Infodatin-Situasi dan Analisis Diabetes.” Jakarta Selatan, 2014.

J. Inovasi, “Pencegahan Penyakit Diabetes Mellitus Melalui Program Penyuluhan Dan Pemeriksaan Kadar Gula,” vol. 3, no. 3, pp. 180–185, 2014.

J. P. Jiawei han, Micaheline Kamber, Data Mining: Concepts and Techniques, 3rd Edition. .

G. Parthiban and C. A. H. College, “Diagnosis of Heart Disease for Diabetic Patients using Naive Bayes Method,” vol. 24, no. 3, pp. 7–11, 2011.

B. Classification, “Naive-Bayes Classification Algorithm.”

N. A. Zaidi, M. J. Carman, and G. I. Webb, “Alleviating Naive Bayes Attribute Independence Assumption by Attribute Weighting,” vol. 14, pp. 1947–1988, 2013.

H. Muhamad et al., “Optimasi Naïve Bayes Classifier Dengan Menggunakan Particle Swarm Optimization Pada Data Iris,” vol. 4, no. 3, pp. 180–184, 2017.

R. M. Rahman and F. Afroz, “Comparison of Various Classification Techniques Using Different Data Mining Tools for Diabetes Diagnosis,” vol. 2013, no. March, pp. 85–97, 2013.

V. Karthikeyani, “Comparison a Performance of Data Mining Algorithms ( CPDMA ) in Prediction Of Diabetes Disease,” vol. 5, no. 3, pp. 205–210, 2013.

P. K. D. bS. Mythili Thirugnanama, “Improving the Prediction Rate of Diabetes Diagnosis Using Fuzzy, Neural Network, Case Based (FNC) Approach,” vol. 38, pp. 1709–1718, 2012.

D. H. C. Pangemanan, “Hubungan diabetes melitus dengan kualitas tidur,” vol. 4, 2016.

Florin Gorunescu, Data Mining : Concepts, Models and technigues. 2010.

A. Kaveh, Advances in Metaheuristic Algorithms for Optimal Design of Structures-Chapter 2 (PSO). 2017.

M. Sokolova and G. Lapalme, “A systematic analysis of performance measures for classification tasks,” Inf. Process. Manag., vol. 45, no. 4, pp. 427–437, 2009.

J. Li, L. Ding, and B. Li, “A Novel Naive Bayes Classification Algorithm Based on Particle Swarm A Novel Naive Bayes Classification Algorithm Based on Particle Swarm Optimization,” no. December, 2014.

ian H witten, Data Mining Practical Machine Learning Tools and Techniques.


Article View

Abstract views : 80 times | DOWNLOAD PDF files viewed : 64 times



Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 Moh. Sukron, Ahmad Supriadi

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.


Creative Commons License
 
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi

Published by Technic Faculty of Nurul Jadid University, Probolinggo, East Java, Indonesia.