Classification of Blighted Ovum Factors in Pregnant Women Using PSO-Based Naïve Bayes
Klasifikasi Faktor Blighted Ovum atau janin tidak berkembang dilakukan mengingat kasus Blighted Ovum banyak terjadi pada ibu hamil. Blighted Ovum merupakan 60% dari penyebab keguguran, di Indonesia ditemukan 37% dari setiap 100 kehamilan. Klasifikasi menggunakan Naïve Bayes berbasis Particle Swarm O...
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Kresnamedia Publisher
2023-06-01
|
| Series: | Jurnal Riset Informatika |
| Subjects: | |
| Online Access: | https://ejournal.kresnamediapublisher.com/index.php/jri/article/view/554 |
| _version_ | 1827821064538816512 |
|---|---|
| author | Febryo Ponco Sulistyo Endang Sri Palupi |
| author_facet | Febryo Ponco Sulistyo Endang Sri Palupi |
| author_sort | Febryo Ponco Sulistyo |
| collection | DOAJ |
| description | Klasifikasi Faktor Blighted Ovum atau janin tidak berkembang dilakukan mengingat kasus Blighted Ovum banyak terjadi pada ibu hamil. Blighted Ovum merupakan 60% dari penyebab keguguran, di Indonesia ditemukan 37% dari setiap 100 kehamilan. Klasifikasi menggunakan Naïve Bayes berbasis Particle Swarm Optimization (PSO) yang hanya membutuhkan data training yang kecil untuk menentukan estimasi parameter yang diperlukan dalam proses pengklasifikasian dan penggunaan Particle Swarm Optimization dapat meningkatkan nilai akurasi serta memecahkan masalah optimasi. Dengan proses pemilihan data variable dan data attribute untuk membuat kuisioner sebagai metode pengambilan data. Hasil klasifikasi blighted ovum pada wanita hamil menggunakan algoritma Naïve Bayes dengan framework Rapid Miner mendapatkan nilai akurasi sebesar 71,56% dengan Area Under Curve (AUC) 0,674 termasuk dalam kategori klasifikasi yang baik. Setelah menggunakan optimasi PSO nilai akurasi naik menjadi 79,82% dengan Area Under Curve 0,764 termasuk kategori klasifikasi yang baik. Naïve bayes merupakan metode yang cocok untuk klasifikasi, dan PSO bisa membuat nilai akurasi dan AUC lebih baik lagi. |
| first_indexed | 2024-03-12T01:38:06Z |
| format | Article |
| id | doaj.art-57a66333bddf40a3845cd418117123a0 |
| institution | Directory Open Access Journal |
| issn | 2656-1743 2656-1735 |
| language | English |
| last_indexed | 2024-03-12T01:38:06Z |
| publishDate | 2023-06-01 |
| publisher | Kresnamedia Publisher |
| record_format | Article |
| series | Jurnal Riset Informatika |
| spelling | doaj.art-57a66333bddf40a3845cd418117123a02023-09-11T04:17:56ZengKresnamedia PublisherJurnal Riset Informatika2656-17432656-17352023-06-015343143810.34288/jri.v5i3.554554Classification of Blighted Ovum Factors in Pregnant Women Using PSO-Based Naïve BayesFebryo Ponco Sulistyo0Endang Sri Palupi1Universitas Mercu BuanaUniversitas Bina Sarana InformatikaKlasifikasi Faktor Blighted Ovum atau janin tidak berkembang dilakukan mengingat kasus Blighted Ovum banyak terjadi pada ibu hamil. Blighted Ovum merupakan 60% dari penyebab keguguran, di Indonesia ditemukan 37% dari setiap 100 kehamilan. Klasifikasi menggunakan Naïve Bayes berbasis Particle Swarm Optimization (PSO) yang hanya membutuhkan data training yang kecil untuk menentukan estimasi parameter yang diperlukan dalam proses pengklasifikasian dan penggunaan Particle Swarm Optimization dapat meningkatkan nilai akurasi serta memecahkan masalah optimasi. Dengan proses pemilihan data variable dan data attribute untuk membuat kuisioner sebagai metode pengambilan data. Hasil klasifikasi blighted ovum pada wanita hamil menggunakan algoritma Naïve Bayes dengan framework Rapid Miner mendapatkan nilai akurasi sebesar 71,56% dengan Area Under Curve (AUC) 0,674 termasuk dalam kategori klasifikasi yang baik. Setelah menggunakan optimasi PSO nilai akurasi naik menjadi 79,82% dengan Area Under Curve 0,764 termasuk kategori klasifikasi yang baik. Naïve bayes merupakan metode yang cocok untuk klasifikasi, dan PSO bisa membuat nilai akurasi dan AUC lebih baik lagi.https://ejournal.kresnamediapublisher.com/index.php/jri/article/view/554classificationnaïve bayesparticle swarm optimization |
| spellingShingle | Febryo Ponco Sulistyo Endang Sri Palupi Classification of Blighted Ovum Factors in Pregnant Women Using PSO-Based Naïve Bayes Jurnal Riset Informatika classification naïve bayes particle swarm optimization |
| title | Classification of Blighted Ovum Factors in Pregnant Women Using PSO-Based Naïve Bayes |
| title_full | Classification of Blighted Ovum Factors in Pregnant Women Using PSO-Based Naïve Bayes |
| title_fullStr | Classification of Blighted Ovum Factors in Pregnant Women Using PSO-Based Naïve Bayes |
| title_full_unstemmed | Classification of Blighted Ovum Factors in Pregnant Women Using PSO-Based Naïve Bayes |
| title_short | Classification of Blighted Ovum Factors in Pregnant Women Using PSO-Based Naïve Bayes |
| title_sort | classification of blighted ovum factors in pregnant women using pso based naive bayes |
| topic | classification naïve bayes particle swarm optimization |
| url | https://ejournal.kresnamediapublisher.com/index.php/jri/article/view/554 |
| work_keys_str_mv | AT febryoponcosulistyo classificationofblightedovumfactorsinpregnantwomenusingpsobasednaivebayes AT endangsripalupi classificationofblightedovumfactorsinpregnantwomenusingpsobasednaivebayes |