OPTIMIZATION OF THE NAIVE BAYES ALGORITHM WITH PARTICLE SWARM OPTIMIZATION (PSO) FOR HEART DISEASE CLASSIFICATION

OPTIMASI ALGORITMA NAIVE BAYES DENGAN PARTICLE SWARM OPTIMIZATION (PSO) UNTUK KLASIFIKASI PENYAKIT JANTUNG

Abstrak

This research aims to optimize algorithm performance Naive Bayes in the classification of heart disease using the method Particle Swarm Optimization (PSO). Heart disease is a heart disease that has a high mortality rate throughout the world. The use of technology in the health sector, such as data mining, can help in early detection and treatment of heart disease. This research uses the PSO method to optimize the parameters of the algorithm Naive Bayes, thus increasing accuracy classification of heart disease. The data used in this research has a total of 303 records consisting of 13 attributes and 1 label containing identification of heart disease. The results showed that the heart disease classification model obtained value accuracy of 96.67%, precision amounting to 93.75% as well as recall by 100%. These results indicate that the algorithm interacts Naive Bayes with PSO resulted in a significant improvement in cardiac disease classification compared with use Naive Bayes conventionally. PSO optimization is able to improve the performance of the classification model, so that it can provide more optimal classification results.

Penelitian ini bertujuan untuk mengoptimalkan kinerja algoritma Naive Bayes dalam klasifikasi penyakit jantung menggunakan metode Particle Swarm Optimization (PSO). Penyakit jantung merupakan salah satu penyakit yang memiliki tingkat kematian tinggi. Penggunaan teknologi dalam bidang kesehatan, seperti data mining, dapat membantu dalam deteksi dini serta penanganan penyakit jantung. Penelitian ini menggunakan metode PSO untuk mengoptimalkan parameter pada algoritma Naive Bayes, sehingga meningkatkan accuracy klasifikasi penyakit jantung. Data yang digunakan dalam penelitian ini memiliki jumlah 303 record terdiri dari 13 atribut serta 1 label yang berisi identifikasi penyakit jantung. Hasil penelitian menunjukkan bahwa model klasifikasi penyakit jantung didapatkan nilai accuracy sebesar 96,67%, precision sebesar 93,75% serta recall sebesar 100%. Hasil ini menunjukkan peningkatan yang signifikan dibandingkan dengan implementasi algoritma Naive Bayes tanpa di optimasi Particle Swarm Optimization (PSO). Optimasi Particle Swarm Optimization (PSO) mampu meningkatkan kinerja model klasifikasi, sehingga dapat memberikan hasil klasifikasi yang lebih optimal. Potensi menggunakan algoritma Naive Bayes dengan optimasi Particle Swarm Optimization (PSO) dalam klasifikasi penyakit jantung, yang dapat menjadi kontribusi penting dalam pengembangan sistem pendukung keputusan.