Abstract
Penelitian ini menyajikan klasifikasi sel Pap Smear. Data yang digunakan adalah dataset Herlev yang berjumlah 917 data. Penelitian ini bertujuan untuk mengetahui apakah penggunaan algoritma optimasi particle swarm optimization dapat meningkatkan kinerja dari algoritma Decision tree dalam mengklasifikasikan data Sel Pap Smear. Tahapan dari penelitian ini adalah preprocessing, feature optimization, knowledge rules, evaluation dan performance report. Hasil dari penelitian ini menunjukkan bahwa algoritma Decision tree menghasilkan akurasi sebesar 91.39 % dengan AUC 0.858, sedangkan penerapan algoritma particle swarm optimization pada Decision tree menghasilkan akurasi yang lebih baik yaitu sebesar 96.76 % dengan AUC 0.926.
Sign-in/Register to access full text options 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a callMore From: JATISI (Jurnal Teknik Informatika dan Sistem Informasi)
Disclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.
