Skripsi PENERAPAN PARTICLE SWARM OPTIMIZATION UNTUK SELEKSI ATRIBUT PADA METODE SUPPORT VECTOR MACHINE UNTUK PREDIKSI PENYAKIT DIABETES

Penyakit diabetes adalah salah satu penyakit yang dapat menyebabkan komplikasi bahkan dapat menyebabkan kematian. Saat ini penyakit diabetes semakin lama semakin meningkat jumlah penderitanya. Banyak penelitian yang menggunakan metode support vector machines dalam memprediksi penyakit diabetes tetapi nilai akurasi yang dihasilkan masih kurang akurat. Dalam penelitian ini dibuatkan model algoritma support vector machines dan model algoritma suppor vector machines berbasis Particle Swarm Optimization untuk mendapatkan rule dalam memprediksi penyakit diabetes dan memberikan nilai akurasi yang lebih akurat. Setelah dilakukan pengujian dengan dua model yaitu Algoritma support vector machines dan support vector machines berbasis Particle Swarm Optimization maka hasil yang didapat adalah algoritma sehingga didapat pengujian dengan menggunakan support vector machines dimana didapat nilai accuracy adalah 74.21 % dan nilai AUC adalah 0.758, sedangkan pengujian dengan menggunakan support vector machines berbasis Particle Swarm Optimization didapatkan nilai accuracy 77.36% dan nilai AUC adalah 0.765 dengan tingkat diagnosa good classification. Sehingga kedua metode tersebut memiliki perbedaan tingkat akurasi yaitu sebesar 3.15% dan perbedaan nilai AUC sebesar 0,017.