PENERAPAN PSO PADA NAÏVE BAYES UNTUK PREDIKSI HARAPAN HIDUP PASIEN GAGAL JANTUNG

Gagal jantung merupakan masalah kesehatan yang progresif dengan angka mortalitas dan morbiditas yang tinggi di negara maju maupun negara berkembang termasuk Indonesia. Pada tahun 2016, WHO menyebutkan 17,5 juta orang meninggal akibat penyakit kardiovaskular sedangkan pada tahun 2008, penyakit ini mewakili dari 31% kematian di dunia. Perkiraan akurat dari prognosis gagal jantung sangat penting bagi layanan kesehatan untuk memungkinkan alokasi sumber daya yang tepat kepada dokter dalam membuat keputusan untuk manajemen dan kepada pasien untuk memungkinkan pilihan informasi tentang perawatan dan perawatan akhir kehidupan. Sehingga pada penelitian kali ini dilakukan penerapan metode optimasi Particle Swarm Optimization (PSO) pada algoritma Naïve Bayes sebagai seleksi fitur, yang bertujuan untuk mengetahui nilai akurasi yang dihasilkan oleh algoritma Naïve Bayes dan peran optimasi PSO untuk meningkatkan nilai akurasi dari hasil prediksi harapan hidup pasien gagal jantung. Setelah dilakukan pengujian menggunakan aplikasi Rapidminer dapat diketahui bahwa hasil klasifikasi menggunakan optimasi metode PSO yang mendukung metode  Naive Bayes dapat menghasilkan nilai akurasi yang lebih baik, yaitu sebesar 92.67% dan nilai Area Under ROC (AUC) sebesar 0.908. Hasil akurasi yang didapat pada penelitian kali ini termasuk kedalam kategori Excellent Classification.