PENERAPAN PARTICLE SWARM OPTIMIZATION DALAM PEMILIHAN ATRIBUT PADA ALGORITMA NAÏVE BAYES UNTUK MENINGKATKAN AKURASI PREDIKSI DIAGNOSIS PENYAKIT THALASSEMIA

Aisya, Fadhila Tsani Noor (2023) PENERAPAN PARTICLE SWARM OPTIMIZATION DALAM PEMILIHAN ATRIBUT PADA ALGORITMA NAÏVE BAYES UNTUK MENINGKATKAN AKURASI PREDIKSI DIAGNOSIS PENYAKIT THALASSEMIA. Diploma thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

	Text ABSTRAK.pdf Download (18kB)
	Text COVER.pdf Download (107kB)
	Text DAFTAR ISI.pdf Download (235kB)
	Text DAFTAR PUSTAKA.pdf Download (143kB)
	Text Halaman Pengesahan Pembimbing - Fadhila Tsani Noor Aisya - 123190133.pdf Download (910kB)
	Text Halaman Pengesahan Penguji - Fadhila Tsani Noor Aisya - 123190133.pdf Download (1MB)
	Text SKRIPSI FULL_FADHILA TSANI NOOR AISYA_123190133.pdf Restricted to Repository staff only Download (2MB)

Abstract

Penyakit genetik adalah penyakit yang disebabkan adanya kelainan dalam susunan gen
pada seseorang. Adapun salah satu penyakit genetik adalah thalassemia. Thalassemia
merupakan penyakit kelainan darah merah yang diturunkan dari kedua orang tua kepada
anak dan keturunannya. Penyakit ini disebabkan karena berkurang atau tidak terbentuknya
protein pembentuk hemoglobin utama manusia, hal ini dapat menyebabkan sel darah merah
(eritrosit) yang mudah rusak dan pasien menjadi pucat karena kekurangan darah. Sampai
saat ini, thalassemia belum dapat disembuhkan namun dapat diketahui sifat pembawanya
dengan melakukan pemeriksaan skrining. Dengan adanya penderita penyakit thalassemia
yang banyak, maka perlu tindakan awal sebagai solusi dari permasalahan penyakit
thalassemia yaitu dengan melakukan prediksi untuk mendeteksi sedari dini penyakit
thalassemia. Terdapat beberapa metode data mining yang sudah diterapkan dalam
memprediksi penyakit untuk mendapatkan tingkat akurasi yang tinggi. Salah satu dari
algoritma di dalam data mining yang dapat digunakan untuk melakukan prediksi adalah
algoritma Naïve Bayes. Masalah pada metode Naïve Bayes perlu diperbaiki agar kinerja dan
performa algoritma menjadi lebih baik dan akurasi dapat meningkat. Masalah ini dapat
dihilangkan dengan cara melakukan optimasi fitur menggunakan algoritma Particle Swam
Optimization (PSO). PSO (Particle Swarm Optimization) merupakan salah satu metode
optimasi terbaik dalam melakukan klasifikasi. Penerapan Particle Swarm Optimization
(PSO) untuk mengetahui seberapa akurat feature selection Particle Swarm Optimization
(PSO) dalam meningkatkan akurasi algoritma Naïve Bayes untuk memprediksi diagnosis
penyakit thalassemia.
Dalam penelitian ini, pengujian dilakukan dengan confusion matrix untuk menghitung
nilai akurasi pada model algoritma Naïve Bayes dan model algoritma Naïve Bayes dan PSO
untuk prediksi penyakit thalassemia. Pada model algoritma Naïve Bayes dan PSO, setelah
dilakukan seleksi fitur didapatkan jumlah fitur yang relevan sebanyak 5 fitur dari total fitur
yaitu 15 fitur. Pengujian dengan confusion matrix pada model algoritma Naïve Bayes
mendapatkan akurasi sebesar 63% sedangkan akurasi dari algoritma Naïve Bayes dan PSO
yaitu sebesar 81%. Dari hasil pengujian tersebut terjadi peningkatan nilai akurasi sebesar
18% setelah diterapkan seleksi fitur, hal ini menunjukkan bahwa seleksi fitur menggunakan
PSO dapat meningkatkan performa model algoritma Naïve Bayes untuk prediksi diagnosis
penyakit thalassemia.
Kata Kunci : Thalassemia, Prediksi, Seleksi Fitur, Naïve Bayes, PSO

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Thalassemia, Prediksi, Seleksi Fitur, Naïve Bayes, PSO
Subjects:	Q Science > Q Science (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	07 Dec 2023 06:53
Last Modified:	07 Dec 2023 06:53
URI:	http://eprints.upnyk.ac.id/id/eprint/38301

Actions (login required)

View Item