Perbandingan Metode Probabilistik Naive Bayesian Classifier dan Jaringan Syaraf Tiruan Learning Vector Quantization dalam Kasus Klasifikasi Penyakit Kandungan
Abstract: Penyakit kandungan
merupakan momok menakutkan bagi kaum wanita. Hal tersebut dikarenakan kaum
wanita sangat beresiko tinggi untuk terkena penyakit kandungan. Penyakit
kandungan yang dimaksud dalam penelitian ini adalah radang panggul, mioma
uteri, kanker serviks, dan kanker ovarium. Penelitian ini mengajukan dua
pendekatan berbeda untuk penyelesaian kasus diagnosa penyakit kandungan, yaitu
pendekatan probabilistik dengan Naïve Bayesian Classifier dan jaringan syaraf
tiruan Learning Vector Quantization. Pada pendekatan Naïve Bayesian Classifier
digunakan laplacian smoothing sehingga dapat menghindari kegagalan klasifikasi,
yang diharapkan dapat meningkatkan performa dari Naïve Bayesian Classifier
dalam penyelesaian kasus ini. Begitu juga pada metode Learning Vector
Quantization, dilakukan pemilihan model paling tepat berdasar kepada tiga
parameter yaitu learning rate, learning rate reduction, dan epoh. Pengujian
dilakukan dengan menggunakan prosedur random stratified and repeated holdout pada
empat skenario simulasi dengan porsi data training dan testing: 20/80, 40/60,
60/40, dan 80/20. Dari hasil uji coba dapat ditunjukkan bahwa metode Naïve
Bayesian Classifier dengan penambahan Laplacian Smoothing memiliki tingkat
akurasi pengujian paling tinggi, yaitu secara berturut-turut 88%, 92.4%, 92.8%
dan 92.4% dibandingkan dengan Naïve Bayesian Classifier tanpa Laplacian
Smoothing (32%; 67.8%; 79%; 89.6%) dan Learning Vector Quantization (82.4%;
88.8%; 89.4%; 95.2%). Dalam hal kecepatan pembelajaran, Learning Vector
Quantization dapat menyelesaikan proses pembelajaran dengan waktu yang lebih
singkat dari Naïve Bayesian Classifier, hal tersebut dikarenakan pada kasus ini
Learning Vector Quantization dapat memberikan performa yang baik dengan jumlah epoh
yang relatif kecil. Secara umum Naïve Bayesian Classifier dengan Laplacian
Smoothing merupakan metode paling baik dalam menyelesaikan kasus klasifikasi
penyakit kandungan.
Keywords: Penyakit Kandungan,
Naïve Bayesian Classifier, Laplacian Smoothing, Learning Vector Quantization
Penulis: Praditio Aditya
Nugroho, Ristu Saptono, Meiyanto Eko Sulistyo
Kode Jurnal: jptinformatikadd130403
