Image of Meningkatkan Akurasi Klasifikasi Algoritma Naive Bayes Pada Pasien Penyakit Jantung Menggunakan Metode Particle Swarm Optimization (PSO) Di IHC Rumah Sakit Pertamina

Electronic Resource

Meningkatkan Akurasi Klasifikasi Algoritma Naive Bayes Pada Pasien Penyakit Jantung Menggunakan Metode Particle Swarm Optimization (PSO) Di IHC Rumah Sakit Pertamina

Metode Particle Swarm Optimization (PSO) digunakan dalam penelitian ini untuk meningkatkan akurasi penggunaan algoritma Naive Bayes dalam mengklasifikasikan angka harapan hidup pasien penyakit jantung. Data penyakit jantung untuk 300 sampel dari Kaggle digunakan dalam penelitian ini. Studi tersebut membandingkan akurasi klasifikasi sebelum dan sesudah penerapan PSO
dengan algoritma Naive Bayes. Dalam tiga kasus yang diperiksa, penerapan PSO terbukti berhasil meningkatkan akurasi klasifikasi. Dari 0,78 menjadi 0,83, akurasi meningkat sebesar 5% pada skenario pertama. Dari 0,81 menjadi 0,86, akurasinya juga meningkat sebesar 5% pada skenario kedua. Sementara itu, dari 0,8 menjadi 0,83 pada contoh ketiga, akurasi meningkat sebesar 3%. Secara keseluruhan, PSO mampu meningkatkan kinerja algoritma Naive Bayes, menghasilkan peningkatan akurasi sebesar 5%, 5%, dan 3% pada setiap kasus. Dalam konteks data penyakit jantung, temuan ini menunjukkan bahwa PSO dapat digunakan sebagai metode yang efektif untuk meningkatkan akurasi model prediksi

Ketersediaan
SB00237SKKI 001.6 CAH m/sPerpustakaan UnikamaTersedia
Informasi Detail
Judul Seri
-
No. Panggil
KKI 001.6 CAH m/s
Penerbit
Malang : Teknik Informatika - Unikama.,
Deskripsi Fisik
vii, 63hlm 26cm
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
001.6
Tipe Isi
text
Tipe Media
PDF
Tipe Pembawa
online resource
Edisi
1
Subjek
naive bayes
Particle Swarm Optimization (PSO)
Skripsi
Teknik informatika
Meningkatkan Akurasi
Info Detail Spesifik
-
Pernyataan Tanggungjawab
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Komentar
Anda harus masuk sebelum memberikan komentar