Prediksi Stroke Otak Menggunakan Algoritma Naive Bayes dan Particle Swarm Optimization (PSO)

Devi Fransiska, muhammad said hasibuan

Abstract

Kesehatan memegang peran penting dalam menjaga kualitas hidup manusia, namun banyak yang mengabaikan aspek ini, membiarkan penyakit menyerang tanpa disadari, sehingga diagnosa sering terlambat. Di antara penyakit-penyakit yang sering terlambat terdeteksi adalah stroke, kondisi serius yang membutuhkan penanganan cepat karena dapat menyebabkan kematian dalam hitungan menit. Menurut WHO, stroke menempati peringkat kedua sebagai penyebab kematian di seluruh dunia setelah penyakit iskemik. Data dari Kementerian Kesehatan Indonesia menunjukkan peningkatan kasus stroke dari tahun 2013 hingga 2018, dengan rentang usia paling rentan antara 55-64 tahun. Proyeksi juga menunjukkan peningkatan jumlah kasus stroke pada tahun 2023. Stroke juga merupakan penyebab utama kecacatan pada orang dewasa. Penelitian ini bertujuan untuk menghasilkan model prediksi yang efektif untuk mengidentifikasi risiko stroke otak dengan menggunakan algoritma Naive Bayes dan Particle Swarm Optimization (PSO). Eksperimen dilakukan untuk mengevaluasi kinerja model dengan fokus pada tingkat akurasi. Hasilnya menunjukkan bahwa penggunaan algoritma Naive Bayes dengan PSO menghasilkan tingkat akurasi sebesar 95,02%, meningkatkan akurasi sebesar 8,81% dibandingkan dengan penggunaan Naive Bayes secara mandiri. Ini menunjukkan bahwa pengoptimalan menggunakan PSO efektif dalam meningkatkan kinerja model prediksi stroke otak. Kombinasi algoritma Naive Bayes dengan PSO memiliki potensi untuk membantu dalam mendeteksi risiko stroke otak lebih awal, memungkinkan intervensi yang lebih cepat dan penanganan yang lebih efektif. Hasil penelitian ini memberikan kontribusi penting dalam bidang kesehatan, membantu dalam meningkatkan pemahaman dan kemampuan prediksi terkait penyakit stroke otak. Dengan demikian, penelitian ini memiliki implikasi signifikan dalam upaya pencegahan dan penanganan penyakit yang mematikan ini.

Full Text:

PDF

References

Akbar, F., Saputra, H. W., Maulaya, A. K., Hidayat, M. F., & Rahmaddeni, R. (2022). Implementasi Algoritma Decision Tree C4.5 dan Support Vector Regression untuk Prediksi Penyakit Stroke. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 2(2), 61–67. https://doi.org/10.57152/malcom.v2i2.426

Alamsyah, I. R., & Nugroho, R. A. (2022). Pengaruh Latihan Shooting Dengan Metode Beef Terhadap Akurasi Free Throw Siswi Ekstrakurikuler Basket Smk Neger 4 Bandar Lampung. Journal Of Physical Education, 3(2), 1–5. https://doi.org/10.33365/joupe.v3i2.1890

Algoritma, K., Berbasis, C., & Dan, P. S. O. (2018). Berbasis Ga Untuk Diagnosa Penyakit Stroke.

Amalia, R. (2020). Penerapan Data Mining Untuk Memprediksi Hasil Kelulusan Siswa menggunakan Metode Naïve Bayes. Jurnal Informatika Dan Sistem Informasi, 6(1), 33–42.

Ariyanti, A. P., Mazdadi, M. I., Farmadi, A.-, Muliadi, M., & Herteno, R. (2023). Application of Extreme Learning Machine Method With Particle Swarm Optimization to Classify of Heart Disease. IJCCS (Indonesian Journal of Computing and Cybernetics Systems), 17(3), 281. https://doi.org/10.22146/ijccs.86291

Budi, H., Bahar, I., & Sasmita, H. (2019). Faktor Risiko Stroke pada Usia Produktif di Rumah Sakit Stroke Nasional ( RSSN ) Bukit Tinggi Departemen Kesehatan Republik Indonesia. Jurnal Persatuan Perawat Nasional Indonesia (JPPNI), 3(3), 129–140. https://www.jurnal-ppni.org/ojs/index.php/jppni/article/view/163

Bugis, H. (2022). Metode Naïve Bayes Untuk Memprediksi Penyakit Stroke. Jurnal SISKOM-KB (Sistem Komputer Dan Kecerdasan Buatan), 6(1), 8–14. https://doi.org/10.47970/siskom-kb.v6i1.317

Civilization, I., TEMA 19, & Domenico, E. (2021). No 主観的健康感を中心とした在宅高齢者における 健康関連指標に関する共分散構造分析Title. 6.

Hakim, S. H. F., Cholissodin, I., & Widodo, A. W. (2017). Seleksi Fitur Dengan Particle Swarm Optimization Untuk Pengenalan Pola Wajah Menggunakan Naive Bayes ( Studi Kasus Pada Mahasiswa Universitas Brawijaya Fakultas Ilmu Komputer Gedung A ). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 1(10), 1045–1057.

Lara. (2022). No Titleהכי קשה לראות את מה שבאמת לנגד העינים. In הארץ (Issue 8.5.2017). www.aging-us.com

Lidysari, W., Tambunan, H. S., & Qurniawan, H. (2022). Penerapan Data Mining Dalam Menentukan Kelayakan Penerima Bantuan Sosial Pemko Dengan Algoritma C4.5 (Kasus Kantor Kelurahan Martoba). Kesatria : Jurnal Penerapan Sistem Informasi (Komputer Dan Manajemen), 3(1), 53–61. https://doi.org/10.30645/kesatria.v3i1.97

Maskuri, M. N., Harliana, Sukerti, K., & Bhakti, R. M. H. (2022). Penerapan Algoritma K-Nearest Neighbor (KNN) untuk Memprediksi Penyakit Stroke. Jurnal Ilmiah Intech : Information Technology Journal of UMUS, 4(1), 130–140.

Mustopa, A., Hermanto, Anna, Pratama, E. B., Hendini, A., & Risdiansyah, D. (2020). Analysis of user reviews for the pedulilindungi application on google play using the support vector machine and naive bayes algorithm based on particle swarm optimization. 2020 5th International Conference on Informatics and Computing, ICIC 2020, 2. https://doi.org/10.1109/ICIC50835.2020.9288655

Pratiwi, S. (2017). Analisis praktik klinik keperawatan pada pasien Stroke Non Hemoragic terhadap pemberian Range Of Motion Cylindrical Grip dalam perubahan skala kekuatan otot di Ruang Stroke Center AFI RSUD Abdul Wahab Sjahranie Samarinda Tahun 2017. 1–29.

Priyanto, A., & Ma’arif, M. R. (2018). Implementasi_Web_Scrapping_dan_Text_Mining_untuk_A. Indonesian Journal of Information Systems (IJIS), 1(1), 25–33.

Rahman, F. F., & Saputra, H. (2023). Artificial Intelligence dalam Pelayanan Kesehatan. 1–152.

Rochim, F. P., Nugroho, A., Sukamta, S., Zein, A., Wafi, A., Fathurrahman, M., Damayanti, A., & Wardah, H. (2024). JTIM : Jurnal Teknologi Informasi dan Multimedia Pengembangan Aplikasi Pose Detection untuk Asesmen Kema- juan Fisioterapi Pasien Pasca Stroke dari Jarak Jauh. 5(4), 290–301.

Sulaeman, K. R., Setianingsih, C., & Saputra, R. E. (2022). Analisis Algoritma Support Vector Machine Dalam Klasifikasi Penyakit Stroke Support Vector Machine Algorithm Analysis In Stroke Disease Classification. E-Proceeding of Engineering, 9(3), 922–928.

Suryani, Rahmadani, D., Muzafar, A. A., Hamid, A., Annisa, R., & Mustakim. (2022). Analisis Perbandingan Algoritma C4.5 dan CART untuk Klasifikasi Penyakit Stroke. SENTIMAS: Seminar Nasional Penelitian Dan Pengabdian Masyarakat, 197–206. https://journal.irpi.or.id/index.php/sentimas

Syahril, M., Erwansyah, K., & Yetri, M. (2020). Penerapan Data Mining Untuk Menentukan Pola Penjualan Peralatan Sekolah Pada Brand Wigglo Dengan Menggunakan Algoritma Apriori. J-SISKO TECH (Jurnal Teknologi Sistem Informasi Dan Sistem Komputer TGD), 3(1), 118. https://doi.org/10.53513/jsk.v3i1.202

Tampubolon, K., Saragih, H., Reza, B., Epicentrum, K., Asosiasi, A., & Apriori, A. (2013). Implementasi Data Mining Algoritma Apriori Pada Sistem Persediaan Alat-Alat Kesehatan. 93–106.

Ulfatul, D., Rachmad, M., Oktavianto, H., & Rahman, M. (2022). Jurnal Smart Teknologi Perbandingan Metode K-Nearest Neighbor Dan Gaussian Naive Bayes Untuk Klasifikasi Penyakit Stroke Comparison Of K-Nearest Neighbor And Gaussian Naive Bayes Methods For Stroke Disease Classification Jurnal Smart Teknologi bidang peng. 3(4), 405–412.

Wulan Permata Sari, & Tata Sutabri. (2023). Analisa Cluster Dengan K-Mean Clustering Untuk Pengelompokan Data Cybercrime. Jurnal Informatika Teknologi Dan Sains, 5(1), 49–53. https://doi.org/10.51401/jinteks.v5i1.2209

Zhang, S., Zhang, C., & Yang, Q. (2003). Data preparation for data mining. In Applied Artificial Intelligence (Vol. 17, Issues 5–6). https://doi.org/10.1080/713827180

DOI: https://doi.org/10.31284/j.integer.0.v9i1.5738

Refbacks

  • There are currently no refbacks.