Optimalisasi Support Vector Machine Menggunakan Particle Swarm Optimization Untuk Mendiagnosa Penyakit Kanker Payudara

Abstract

Kanker payudara adalah kanker yang paling umum pada wanita dan penyebab utama kematian kanker di seluruh dunia. Klasifikasi dalam data mining merupakan dua bentuk proses analisis data yang digunakan untuk mengekstraksi model yang menggambarkan kelas data atau untuk memprediksi tren data di masa depan. Support Vector Machine (SVM) dikenal juga dengan support vector network yang merupakan metode supervised terkait dengan learning algorithm untuk analisa pola data yang digunakan untuk klasifikasi dan regresi. Seleksi fitur banyak digunakan untuk mengatasi fitur yang tidak relevan dan berlebihan. Seleksi fitur menyederhanakan sekumpulan data dengan mengurangi dimensi dan mengidentifikasi fitur yang relevan tanpa mengurangi akurasi prediksi. Penelitian ini mengguanakan algoritma Support Vector Machine dengan Particle Sarm Optimization untuk mendiagnosa penyakit kanker payudara. Hasil dari penelitian ini adalah accuracy sebesar 97.61%, precision sebesar 99.21% dan recall 96.94%. Penggunaan Particle Swarm Optimization bekerja secara efektif dalam meningkatkan nilai akurasi.
 Kata kunci: Kanker payudara, klasifikasi, support vector machine, particle swarm optimizatiom.