Optimalisasi Support Vector Machine Menggunakan Particle Swarm Optimization Untuk Mendiagnosa Penyakit Kanker Payudara
DOI:
https://doi.org/10.37366/jpcs.v1i2.940Keywords:
Kanker payudara, klasifikasi, support vector machine, particle swarm optimizatiomAbstract
Kanker payudara adalah kanker yang paling umum pada wanita dan penyebab utama kematian kanker di seluruh dunia. Klasifikasi dalam data mining merupakan dua bentuk proses analisis data yang digunakan untuk mengekstraksi model yang menggambarkan kelas data atau untuk memprediksi tren data di masa depan. Support Vector Machine (SVM) dikenal juga dengan support vector network yang merupakan metode supervised terkait dengan learning algorithm untuk analisa pola data yang digunakan untuk klasifikasi dan regresi. Seleksi fitur banyak digunakan untuk mengatasi fitur yang tidak relevan dan berlebihan. Seleksi fitur menyederhanakan sekumpulan data dengan mengurangi dimensi dan mengidentifikasi fitur yang relevan tanpa mengurangi akurasi prediksi. Penelitian ini mengguanakan algoritma Support Vector Machine dengan Particle Sarm Optimization untuk mendiagnosa penyakit kanker payudara. Hasil dari penelitian ini adalah accuracy sebesar 97.61%, precision sebesar 99.21% dan recall 96.94%. Penggunaan Particle Swarm Optimization bekerja secara efektif dalam meningkatkan nilai akurasi.
Kata kunci: Kanker payudara, klasifikasi, support vector machine, particle swarm optimizatiom.
Downloads
References
F. Kurniawan and Ivandari, “Komparasi Algoritma Data Mining Untuk Klasifikasi Penyakit Kanker Payudara,†J. Stmik, vol. XII, no. 1, pp. 1–8, 2017.
K. Fatmawati and A. P. Windarto, “Data Mining: Penerapan Rapidminer Dengan K-Means Cluster Pada Daerah Terjangkit Demam Berdarah Dengue (Dbd) Berdasarkan Provinsi,†Comput. Eng. Sci. Syst. J., vol. 3, no. 2, p. 173, 2018, doi: 10.24114/cess.v3i2.9661.
L. Hermawanti, “Penerapan algoritma klasifikasi c4.5 untuk diagnosis penyakit kanker payudara,†J. Tek. Unisfat, vol. 7, no. 1, pp. 57–64, 2012.
L. Nilawati and Y. E. Achyani, “Optimasi Metode Particle Swarm Optimization (PSO) Pada Prediksi Penilaian Apartemen,†Paradig. - J. Komput. dan Inform., vol. 21, no. 2, pp. 227–234, 2019, doi: 10.31294/p.v21i2.6159.
M. S. Mustafa, M. R. Ramadhan, and A. P. Thenata, “Implementasi Data Mining untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier,†Creat. Inf. Technol. J., vol. 4, no. 2, p. 151, 2018, doi: 10.24076/citec.2017v4i2.106.
M. S. Mustafa, M. R. Ramadhan, and A. P. Thenata, “Implementasi Data Mining untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier,†Creat. Inf. Technol. J., vol. 4, no. 2, p. 151, 2018, doi: 10.24076/citec.2017v4i2.106.
R. H. Saputra and B. Prasetyo, “Improve the Accuracy of C4 . 5 Algorithm Using Particle Swarm Optimization ( PSO ) Feature Selection and Bagging Technique in Breast Cancer Diagnosis,†pp. 47–55, 2020.
Y. E. Achyani, “Penerapan Metode Particle Swarm Optimization Pada Optimasi Prediksi Pemasaran Langsung,†J. Inform., vol. 5, no. 1, pp. 1–11, 2018, doi: 10.31311/ji.v5i1.2736.
.png)
