Model Hybrid Particle Swarm Optimization, Correlation Feature Selection dan Naive Bayes untuk Deteksi Penyakit Jantung

Renaldi Yoga Rendy Menono; Taghfirul Azhima Yoga Siswa; Wawan Joko Pranoto

doi:10.30591/jpit.v11i2.10240

Model Hybrid Particle Swarm Optimization, Correlation Feature Selection dan Naive Bayes untuk Deteksi Penyakit Jantung

Renaldi Yoga Rendy Menono, Taghfirul Azhima Yoga Siswa, Wawan Joko Pranoto

Abstract

Heart disease is a leading cause of mortality in Indonesia, with the number of cases reaching 15.5 million in 2022. This study aims to classify heart disease using the Naïve Bayes algorithm optimized with Particle Swarm Optimization (PSO) to improve classification performance. The dataset used in this study was obtained from the Zenodo repository, consisting of 1,025 heart disease records with 14 features. The data were processed through preprocessing stages and divided into training and testing sets using the 10-Fold Cross Validation method. PSO optimization was applied to the var_smoothing parameter of the Naïve Bayes algorithm. Model performance was evaluated using a confusion matrix to obtain accuracy, precision, recall, and F1-score values. The results indicate that Particle Swarm Optimization (PSO) improves the performance of the Naïve Bayes algorithm. On the correlation-based feature selection dataset, accuracy increased from 81.49% to 84.48%, precision slightly decreased from 82.57% to 82.37%, recall increased from 84.38% to 91.62%, and F1-score increased from 83.00% to 86.33%. These findings demonstrate that the combination of Naïve Bayes and Particle Swarm Optimization (PSO) is effective in enhancing heart disease classification performance.

Keywords

Naïve Bayes, Particle Swarm Optimization, Heart Disease, Classification, Correlation

Full Text:

References

D. Pradana, M. Luthfi Alghifari, M. Farhan Juna, dan D. Palaguna, “Klasifikasi Penyakit Jantung Menggunakan Metode Artificial Neural Network,” Indones. J. Data Sci., vol. 3, no. 2, hal. 55–60, 2022, doi: 10.56705/ijodas.v3i2.35.

W. H. Organization, “Cardiovascular diseases (CVDs).” Diakses: 12 September 2025. [Daring]. Tersedia pada: https://www.who.int/news-room/fact-sheets/detail/cardiovascular-diseases-(cvds)

R. I. Sari, D. W. Apriani, Y. Fauziah, dan R. T. A. Rahman, “Edukasi Kesehatan Mengenai Penyakit Jantung Koroner Bagi Warga Desa Simpang Empat Sungai Baru Kabupaten Tanah Laut,” J. Pengabdi. Masy. dan Ris. Pendidik., vol. 4, no. 1, hal. 4455–4460, 2025, doi: 10.31004/jerkin.v4i1.2315.

Kementerian Kesehatan Republik Indonesia, “Profil Kesehatan Indonesia 2022.” Diakses: 12 September 2025. [Daring]. Tersedia pada: https://kemkes.go.id/id/indonesia-health-profile-2022

A. Sepharni, I. E. Hendrawan, dan C. Rozikin, “Klasifikasi Penyakit Jantung dengan Menggunakan Algoritma C4.5,” STRING (Satuan Tulisan Ris. dan Inov. Teknol., vol. 7, no. 2, hal. 117, 2022, doi: 10.30998/string.v7i2.12012.

B. Hirwono, A. Hermawan, dan D. Avianto, “Implementation of the Naïve Bayes Method for Heart Disease Patient Classification,” J. JTIK (Jurnal Teknol. Inf. dan Komunikasi), vol. 7, no. 3, hal. 450–457, 2023, doi: 10.35870/jtik.v7i3.910.

M. Ula, A. F. Ulva, dan M. Mauliza, “Implementasi Machine Learning Dengan Model Case Based Reasoning Dalam Mendagnosa Gizi Buruk Pada Anak,” J. Inform. Kaputama, vol. 5, no. 2, hal. 333–339, 2021, doi: 10.59697/jik.v5i2.267.

R. Kurniawan, P. B. Wintoro, Y. Mulyani, dan M. Komarudin, “Implementasi Arsitektur Xception Pada Model Machine Learning Klasifikasi Sampah Anorganik,” J. Inform. dan Tek. Elektro Terap., vol. 11, no. 2, hal. 233–236, 2023, doi: 10.23960/jitet.v11i2.3034.

N. Hasdyna, R. K. Dinata, Rahmi, dan T. I. Fajri, “Hybrid Machine Learning for Stunting Prevalence: A Novel Comprehensive Approach to Its Classification, Prediction, and Clustering Optimization in Aceh, Indonesia,” Informatics, vol. 11, no. 4, 2024, doi: 10.3390/informatics11040089.

A. Yogianto, A. Homaidi, dan Z. Fatah, “Implementasi Metode K-Nearest Neighbors (KNN) untuk Klasifikasi Penyakit Jantung,” G-Tech J. Teknol. Terap., vol. 8, no. 1, hal. 186–195, 2024, doi: 10.33379/gtech.v8i3.4495.

A. M. A. Rahim, I. Y. R. Pratiwi, dan M. A. Fikri, “Klasifikasi Penyakit Jantung Menggunakan Metode Synthetic Minority Over-Sampling Technique Dan Random Forest Clasifier,” Indones. J. Comput. Sci., vol. 12, no. 5, hal. 2995–3011, 2023, doi: 10.33022/ijcs.v12i5.3413.

N. Fajriati dan B. Prasetiyo, “Optimasi Algoritma Naive Bayes dengan Diskritisasi K-Means pada Diagnosis Penyakit Jantung,” J. Teknol. Inf. dan Ilmu Komput., vol. 10, no. 3, hal. 503–512, 2023, doi: 10.25126/jtiik.2023106510.

M. Y. Haffandi, E. Haerani, F. Syafria, dan L. Oktavia, “Klasifikasi Penyakit Paru-Paru Dengan Menggunakan Metode Naïve Bayes Classifier,” J. Tek. Inf. dan Komput., vol. 5, no. 2, hal. 176, 2022, doi: 10.37600/tekinkom.v5i2.649.

N. Musriatun dan H. Sujiliani, “Perbandingan Algoritma Machine Learning pada Klasifikasi Penyakit Jantung,” J. Infortech, vol. 6, no. 1, hal. 46–51, 2024, doi: 10.31294/infortech.v6i1.21888.

A. A. Surya dan Y. Yamasari, “Penerapan Algoritma Naïve Bayes (NB) untuk Klasifikasi Penyakit Jantung,” J. Informatics Comput. Sci., vol. 5, no. 3, hal. 447–455, 2024, doi: 10.26740/jinacs.v5n03.p447-455.

M. Lutfi, S. Surorejo, dan P. Septiana, “Systematic Literature Review : Penerapan Algoritma Naives Bayes Dalam Sistem Pakar,” J. Minfo Polgan, vol. 11, no. 2, hal. 7–13, 2022, doi: 10.33395/jmp.v11i2.11635.

S. R. Azizah, R. Herteno, A. Farmadi, D. Kartini, dan I. Budiman, “Kombinasi Seleksi Fitur Berbasis Filter dan Wrapper Menggunakan Naive Bayes pada Klasifikasi Penyakit Jantung,” J. Teknol. Inf. dan Ilmu Komput., vol. 10, no. 6, hal. 1361–1368, 2023, doi: 10.25126/jtiik.2023107467.

I. F. Ashari dan M. C. Untoro, “Hyperparameter Tuning Feature Selection with Genetic Algorithm and Gaussian Naïve Bayes for Diabetes Disease Prediction,” J. Telemat., vol. 17, no. 1, hal. 17–23, 2022, doi: 10.61769/telematika.v17i1.488.

A. Nugroho dan Y. Religia, “Analisis Optimasi Algoritma Klasifikasi Naive Bayes menggunakan Genetic Algorithm dan Bagging,” J. RESTI, vol. 5, no. 3, hal. 504–510, 2021, doi: 10.29207/resti.v5i3.3067.

R. Febryani dan T. Arifin, “Optimasi Naïve Bayes Menggunakan Particle Swarm Optimization Untuk Tingkat Keberhasilan Cryotherapy Pada Penyakit Kutil,” J. Responsif Ris. Sains dan Inform., vol. 3, no. 2, hal. 174–183, 2021, doi: 10.51977/jti.v3i2.431.

F. Fajrizal, T. Taslim, S. Handayani, D. Toresa, dan L. Lisnawita, “Naïve Bayes Alpha Parameter Optimization with Ant Colony for Clinical Text Classification,” Digit. Zo. J. Teknol. Inf. dan Komun., vol. 16, no. 1, hal. 47–57, 2025, doi: 10.31849/rqfd9v12.

A. K. Saputra, W. Susanty, dan A. S. Kurniawan, “Optimasi Naïve Bayes Classifier Menggunakan Particle Swarm Optimization Pada Klasifikasi Data Penerima Bantuan Sosial,” Expert J. Manaj. Sist. Inf. dan Teknol., vol. 14, no. 2, hal. 80, 2024, doi: 10.36448/expert.v14i2.3951.

D. Weiskhy Steven, “Komparasi Algoritma Klasifikasi svm-pso Dan C4.5-pso dalam Prediksi Penyakit Jantung,” Inform. J. Inform. Manaj. dan Komput., vol. 13, no. 2, hal. 31–41, 2021, doi: 10.36723/juri.v13i2.301.

S. Sumarna, S. Sartini, W. E. Pangesti, R. Suryadithia, dan V. Riyanto, “Decision Tree Optimization in Heart Failure Diagnostics: a Particle Swarm Optimization Approach,” J. Tek. Inform., vol. 5, no. 3, hal. 739–746, 2024, doi: 10.52436/1.jutif.2024.5.3.1815.

Y. Ayuningtyas dan I. Made Suartana, “Klasifikasi Penyakit Stroke Menggunakan Support Vector Machine (SVM) dan Particle Swarm Optimization (PSO),” JINACS (Journal Informatics Comput. Sci., vol. 04, no. 04, hal. 452–457, 2023, doi: 10.33884/jif.v9i02.3755.

D. Susilowati, S. Sutrisno, dan M. Yunus, “Penerapan Particle Swarm Optimization Untuk Meningkatkan Kinerja Algoritma K-Nearest Neighbor Dalam Klasifikasi Penyakit Diabetes,” J-REMI J. Rekam Med. dan Inf. Kesehat., vol. 4, no. 3, hal. 176–184, 2023, doi: 10.25047/j-remi.v4i3.3980.

O. Pahlevi, A. Amrin, dan Y. Handrianto, “Optimasi Algoritma Naïve Bayes Berbasis Particle Swarm Optimization Untuk Klasifikasi Status Stunting,” Comput. Sci., vol. 4, no. 1, hal. 37–43, 2024, doi: 10.31294/coscience.v4i1.2963.

M. A. Wiratama dan W. M. Pradnya, “Optimasi Algoritma Data Mining Menggunakan Backward Elimination untuk Klasifikasi Penyakit Diabetes,” J. Nas. Pendidik. Tek. Inform., vol. 11, no. 1, hal. 1–12, 2022, doi: 10.23887/janapati.v11i1.45282.

Y. Miftahuddin dan M. M. Faturrahman, “Penerapan Data Standardization dan Multilayer Perceptron pada Identifikasi Website Phishing,” MIND, vol. 7, no. 2, hal. 111–123, 2022, doi: https://doi.org/10.26760/mindjournal.v7i2.111-123 |.

D. B. Dinova dan B. Prasetiyo, “Implementasi Random Forest dalam Klasifikasi Kanker Paru- Paru,” JOINTER, vol. 05, no. 225, hal. 27–31, 2024, doi: 10.53682/jointer.v5i01.331.

Y. Priantama dan T. A. Y. Siswa, “Optimasi correlation-based feature selection untuk perbaikan akurasi random forest classifier dalam prediksi performa akademik mahasiswa,” JIKO, vol. 6, no. 2, hal. 251–260, 2022, doi: 10.26798/jiko.v6i2.651.

S. Samasil, Y. Yuyun, dan H. Hazriani, “Klasifikasi Mahasiswa Berpotensi Drop Out Menggunakan Algoritma Naive Bayes dan Decision Tree,” J. Ilm. Ilmu Komput., vol. 8, no. 2, hal. 108–114, 2022, doi: 10.35329/jiik.v8i2.242.

R. R. R. Arisandi, B. Warsito, dan A. R. Hakim, “Aplikasi naïve bayes classifier (nbc) pada klasifikasi status gizi balita stunting dengan pengujian k-fold cross validation 1,2,3,” J. GAUSSIAN, vol. 11, no. 1, hal. 130–139, 2022, doi: 10.14710/j.gauss.v11i1.33991.

R. N. Irawan, K. M. Hindrayani, dan M. Idhom, “Penerapan Cross Validation sebagai Analisis Sentimen Pelayanan Publik Kereta Api Lokal Daop 8 Menggunakan Metode Multinomial Naïve Bayes,” G-Tech J. Teknol. Terap., vol. 8, no. 2, hal. 954–963, 2024, doi: 10.33379/gtech.v8i2.4117.

H. Kurniawan, A. Rahim, T. Azhima, dan Y. Siswa, “Implementasi Algoritma Gaussian Naïve Bayes Dalam Klasifikasi Status Gizi Pada Balita,” BITS, vol. 6, no. 2, hal. 627–635, 2024, doi: 10.47065/ bits.v6i2.5493.

M. A. Dwiputra, I. G. P. S. W. Wijaya, dan R. Dwiyansaputra, “Perancangan Mesin Klasifikasi Menggunakan Particle Swarm Optimization,” J-COSINE (Journal Comput. Sci. Informatics Eng., vol. 8, no. 2, hal. 146–154, 2024, doi: 10.29303/jcosine.v8i2.614.

F. Alghifari dan D. Juardi, “Penerapan Data Mining Pada Penjualan Makanan Dan Minuman Menggunakan Metode Algoritma Naïve Bayes,” J. Ilm. Inform., vol. 9, no. 2, hal. 75–81, 2021, doi: 10.33884/jif.v9i02.3755.

Pratama M. Duta, Gustriansyah Rendra, dan Purnamasari Evi, “Klasifikasi Penyakit Daun Pisang Menggunakan Convolutional Neural Network (CNN),” J. Teknol. Terpadu, vol. 10, no. 1, hal. 1–6, 2024, doi: 10.54914/jtt.v10i1.1167.

R. L. Atimi dan E. E. Pratama, “Implementasi Model Klasifikasi Sentimen Pada Review Produk Lazada Indonesia,” J. Sains dan Inform., vol. 8, no. 1, hal. 88–96, 2022, doi: 10.34128/jsi.v8i1.419.

C. A. Salsabila, F. Yulianto, dan T. A. Y. Siswa, “Implementasi Metode Naive Bayes Untuk Klasifikasi Kecelakaan Lalu Lintas Di Kota Samarinda,” J. Inform. dan Tek. Elektro Terap., vol. 13, no. 1, 2025, doi: 10.23960/jitet.v13i1.5890.

DOI: https://doi.org/10.30591/jpit.v11i2.10240