PENERAPAN PARTICLE SWARM OPTIMIZATION SEBAGAI SELEKSI FITUR PREDIKSI KELAHIRAN PREMATUR PADA ALGORITMA NEURAL NETWORK

Abstract

ne"> Abstrak – Premature births, defined as a pregnant woman in labor
at a gestational age 20-36 week.The research related by birth
prematurely been carried out by researchers are using the neural
network. But the research only manyajikan about the sensitivity and
specificity. Research using methods neural network in the predicted
birth prematurely to have the kind of accuracy that results are not
enough and accurate are only serving about the sensitivity and
specificity.In this research there have been built a model algorithms
neural network and models algorithms neural network based
particle swarm optimization to get architecture in forecasting
premature birth and put a value the kind of accuracy that more
accurately at the data set patients sumber waras hospital.After
testing is conducted with two models and algorithms network neural
algorithms based particle swarm neural network optimization and
the result obtained is algorithms neural network yielding 96,40
percent of the value of accuracy and value of 0,982 but after the
auc conducted the addition of which neural algorithms based
particle swarm network optimization 96,80 percent of the value of
accuracy and value of 0,987 auc .So both have the method accuracy
of the different levels namely 0.40 percent of the auc 0,005 and the
difference .
Intisari-Persalinan prematur, didefinisikan sebagai persalinan pada
wanita hamil dengan usia kehamilan 20 – 36 minggu. Penelitian
yang berhubungan dengan kelahiran prematur sudah pernah
dilakukan oleh peneliti yaitu dengan menggunakan metode neural
network. Namun penelitian tersebut hanya manyajikan tentang
hasil sensitivitas dan spesifisitas. Hasil Penelitian yang
menggunakan metode neural network dalam memprediksi
kelahiran prematur mempunyai nilai akurasi yang dihasilkan
masih kurang akurat dan hanya sebatas menyajikan tentang hasil
sensitivitas dan spesifisitas. Dalam penelitian ini dibuatkan model
algoritma neural network dan model algoritma neural network
berbasis particle swarm optimization untuk mendapatkan arsitektur
dalam memprediksi kelahiran prematur dan memberikan nilai
akurasi yang lebih akurat pada data set pasien RS Sumber Waras.
Setelah dilakukan pengujian dengan dua model yaitu algoritma
neural network dan algoritma neural network berbasis particle
swarm optimization maka hasil yang didapat adalah algoritma
neural network menghasilkan nilai akurasi sebesar 96,40% dan
nilai AUC sebesar 0,982 namun setelah dilakukan penambahan
yaitu algoritma neural network berbasis particle swarm
optimization nilai akurasi sebesar 96,80 % dan nilai AUC sebesar
0,987.Sehingga kedua metode tersebut memiliki perbedaan tingkat
akurasi yaitu sebesar 0,40 % dan perbedaan nilai AUC sebesar
0,005.
Kata Kunci: Kelahiran prematur , Neural network , Particle
Swarm Optimization