PENERAPAN OPTIMASI BERBASIS PARTICLE SWARM OPTIMIZATION (PSO) ALGORITMA NAÏVE BAYES DAN K-NEAREST NEIGHBOR SEBAGAI PERBANDINGAN UNTUK MENCARI KINERJA TERBAIK DALAM MENDETEKSI KANKER PAYUDARA

Taghfirul Azhima Yoga Siswa
Prihandoko Prihandoko

METIK JURNAL
Vol 2 No 2 (2018): METIK Jurnal

Saat ini kanker payudara menjadi jenis kanker yang sangat menakutkan bagi perempuan diseluruh dunia, hal ini juga berlaku di Indonesia. Salah satu pemanfaatan teknologi informasi dalam bidang kesehatan adalah disiplin ilmu yang berkembang pesat dewasa ini yaitu Data Mining. Dibutuhkan salah satu teknik data optimasi yang bertujuan untuk meningkatkan kinerja metode klasifikasi data mining konvensional yang sudah dipilih dalam penelitian ini. Salah satu algoritma optimasi yang cukup popular adalah Particle Swarm Optimization (PSO). Penelitian ini bertujuan menerapkan dan mengevaluasi perbandingan kinerja terbaik metode klasifikasi data mining algoritma Naïve Bayes dan K-Nearest Neighbor berbasis PSO untuk mendeteksi kanker payudara. Hasil Penelitian ini menjelaskan bahwa penerapan Particle Swarm Optimization (PSO) menghasilkan hasil yang signifikan dalam memberikan peningkatan kinerja (optimasi) pada algoritma Naïve Bayes dan K-Nearest Neighbor. Berdasarkan uji beda menggunakan T-Test didapatkan algoritma K-Nearest Neighbor berbasis Particle Swarm Optimization (PSO) memiliki nilai akurasi tertinggi diantara algoritma yang lain, dengan nilai perolehan sebesar 0,974.