OPTIMALISASI AKURASI DATA MINING DENGAN MENGGUNAKAN ALGORITMA PSO

Abstract

Dewasa ini metode klasifikasi data mining telah banyak diterapkan di berbagai bidang. Salah satunya bidang kesehatan. Penelitian ini membandingkan  akurasi kinerja dua metode klasifikasi data mining yaitu metode Naïve Bayes dan C4.5 untuk memprediksi tingkat resiko kehamilan berdasarkan faktor resikonya. Hasil penelitian menunjukkan bahwa akurasi algoritma C4.5 lebih baik dibandingkan algoritma Naïve Bayes. Selain itu, penambahan algoritma PSO pada design penelitian juga mampu menaikkan akurasi algoritma C4.5.