PENGARUH PARTICLE SWARM OPTIMIZATION(PSO) PADA ALGORITMA NAÏVE BAYES UNTUK KLASIFIKASI KEMUNGKINAN HIDUP PASIEN HEPATOCELLULAR CARCINOMA

Abstract

Kanker hati merupakan salah satu jenis kanker yang paling sering ditemui oleh masyarakat, data dari Globocan menyebutkan di tahun 2018 terdapat 18,1 juta kasus baru dengan angka kematian sebesar 9,6 juta kematian. Penderita dinyatakan mengidap kanker hati setelah didiagnosa memiliki kanker tahap lanjut, sehingga diperlukan diagnosis lebih awal untuk mendeteksi kanker hati tersebut dengan cara pengolahan data (Data Mining). Naïve Bayes merupakan salah satu algoritma klasifikasi dalam data mining yang bisa digunakan tetapi Naïve Bayes memiliki kekurangan dalam memilih atribut yang ada pada data sehingga mempengaruhi hasil akhir nilai akurasi. Dalam penelitian ini, seleksi fitur menggunakan Particle Swarm Optization diterapkan untuk meningkatkan akurasi dengan cara memilih atribut/fitur pada data pasien untuk digunakan pada proses pengklasifikasian menggunakan Naïve Bayes. Setelah pengujian, nilai akurasi algoritma Naïve Bayes adalah 70.30?ngan nilai AUC sebesar 0.783 dan nilai akurasi algoritma Naïve Bayes dengan seleksi fitur menggunakan Particle Swarm Optimization adalah 81.82?ngan nilai AUC sebesar 0.821. Berdasarkan hasil tersebut dapat disimpulkan bahwa pengaruh Particle Swarm Optimization pada algoritma Naïve Bayes terbukti dapat meningkatkan akurasi yang didapatkan sebesar 11.52%.