Jurnal Pseudocode
Vol 1, No 1 (2014)

ALGORITMA KLASIFIKASI DATA MINING NAIVE BAYES BERBASIS PARTICLE SWARM OPTIMIZATION UNTUK DETEKSI PENYAKIT JANTUNG

Nur Aeni Widiastuti (Universitas Dian Nuswantoro)
Stefanus Santosa (Universitas Dian Nuswantoro)
Catur Supriyanto (Universitas Dian Nuswantoro)



Article Info

Publish Date
01 Feb 2014

Abstract

Data mining sering disebut Knowledge Discovery in Database (KDD). Data mining biasanya digunakan untuk memperbaiki pengambilan keputusan di masa yang akan datang berdasarkan informasi yang diperoleh dari masa lalu. Misalnya untuk prediksi, estimasi, assosiasi, clustering, dan deskripsi. Sekumpulan data yang ada di laboratorium klinik belum difungsikan secara efektif dan hanya di fungsikan sebagai arsip untuk riwayat penyakit pasien. Jantung merupakan pembunuh nomor satu di dunia. Kurangnya aliran darah dan oksigen ke jantung bisa menyebabkan penyakit jantung. Pada penelitian ini akan membandingkan algoritma klasifikasi data mining Naive Bayes Berbasis PSO untuk deteksi penyakit jantung. Pengukuran dengan Naives Bayes menghasilkan akurasi 82.14%, sementara dengan Naives Bayes Berbasis Particle Swarm Optimization akurasi meningkat menjadi 92.86%. Tingkat akurasi dibandingkan dengan hasil laboratorium.Kata Kunci: Data Mining, Penyakit Jantung, Naive Bayes, Particle Swarm Optimization. 

Copyrights © 2014






Journal Info

Abbrev

pseudocode

Publisher

Subject

Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering

Description

Pseudocodeis a scientific journal in the information science family that contains the results of informatics research, scientific literature on informatics, and reviews of the development of theories, methods, and application of informatics engineering science. Pseudocode is published by the ...