PENINGKATAN KINERJA ALGORITMA NEURAL NETWORK BERBASIS PARTICLE SWARM OPTIMIZATION UNTUK MEMPREDIKSI KELAHIRAN PREMATUR STUDI KASUS RSUPN CIPTO MANGUNKUSUMO JAKARTA

Abstract

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 RSUPN Cipto Mangunkusumo. 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 94,60% dan nilai AUC sebesar 0,973 namun setelah dilakukan penambahan yaitu algoritma neural network berbasis particle swarm optimization nilai akurasi sebesar 95,20 % dan nilai AUC sebesar 0,979. Sehingga kedua metode tersebut memiliki perbedaan tingkar akurasi yaitu sebesar 0,60 % dan perbedaan nilai AUC sebesar 0,006.