The Sriwijaya University Library

  • Home
  • Information
  • News
  • Help
  • Librarian
  • Login
  • Member Area
  • Select Language :
    Arabic Bengali Brazilian Portuguese English Espanol German Indonesian Japanese Malay Persian Russian Thai Turkish Urdu

Search by :

ALL Author Subject ISBN/ISSN Advanced Search

Last search:

{{tmpObj[k].text}}
Image of PERBANDINGAN SELEKSI FITUR PARTICLE SWARM OPTIMIZATION (PSO), ANT COLONY OPTIMIZATION (ACO), DAN GENETIC ALGORITHM (GA) PADA KLASIFIKASI KANKER PARU-PARU

Text

PERBANDINGAN SELEKSI FITUR PARTICLE SWARM OPTIMIZATION (PSO), ANT COLONY OPTIMIZATION (ACO), DAN GENETIC ALGORITHM (GA) PADA KLASIFIKASI KANKER PARU-PARU

Simbolon, Ichiro Gabriel Rivaldo - Personal Name;

Penilaian

0,0

dari 5
Penilaian anda saat ini :  

Penelitian ini bertujuan untuk menerapkan dan membandingkan metode seleksi fitur Particle Swarm Optimization (PSO), Ant Colony Optimization (ACO), dan Genetic Algorithm (GA) dalam klasifikasi kanker paru-paru menggunakan algoritma Support Vector Machine (SVM). Penelitian ini menggunakan 10000 data pasien kanker paru-paru yang terdiri dari 14 fitur dan 1 label. Proses seleksi fitur diimplementasikan untuk meningkatkan akurasi model klasifikasi dengan mengeliminasi fitur-fitur yang kurang relevan. Hasil penelitian menunjukkan bahwa metode Particle Swarm Optimization (PSO) menghasilkan akurasi tertinggi sebesar 53%, diikuti oleh Ant Colony Optimization (ACO) dengan akurasi 51%, dan Genetic Algorithm (GA) dengan akurasi 49%. Seleksi fitur menggunakan Particle Swarm Optimization (PSO) terbukti lebih efektif dibandingkan metode lainnya karena mekanisme pembaruan partikel yang memperhitungkan posisi terbaik lokal dan global, memungkinkan model fokus pada fitur yang relevan secara optimal. Dengan demikian, penerapan seleksi fitur Particle Swarm Optimization (PSO) memberikan kontribusi signifikan dalam meningkatkan performa klasifikasi kanker paru-paru menggunakan Support Vector Machine (SVM). Penelitian ini menegaskan bahwa optimalisasi fitur merupakan langkah krusial dalam pengembangan model prediksi yang lebih akurat dan efisien. Kata kunci: Klasifikasi, Support Vector Machine (SVM), Particle Swarm Optimization (PSO), Ant Colony Optimization (ACO), Genetic Algorithm (GA), seleksi fitur.


Availability
Inventory Code Barcode Call Number Location Status
2507000818T166338T1663382025Central Library (Reference)Available but not for loan - Not for Loan
Detail Information
Series Title
-
Call Number
T1663382025
Publisher
Indralaya : Prodi Manajemen, Fakultas Ekonomi Universitas Sriwijaya., 2025
Collation
xiv, 24 hlm.; ill.; tab.; 29 cm.
Language
Indonesia
ISBN/ISSN
-
Classification
658.07
Content Type
-
Media Type
-
Carrier Type
-
Edition
-
Subject(s)
Manajemen
Specific Detail Info
-
Statement of Responsibility
EM
Other version/related

No other version available

File Attachment
  • PERBANDINGAN SELEKSI FITUR PARTICLE SWARM OPTIMIZATION (PSO), ANT COLONY OPTIMIZATION (ACO), DAN GENETIC ALGORITHM (GA) PADA KLASIFIKASI KANKER PARU-PARU
Comments

You must be logged in to post a comment

The Sriwijaya University Library
  • Information
  • Services
  • Librarian
  • Member Area

About Us

As a complete Library Management System, SLiMS (Senayan Library Management System) has many features that will help libraries and librarians to do their job easily and quickly. Follow this link to show some features provided by SLiMS.

Search

start it by typing one or more keywords for title, author or subject

Keep SLiMS Alive Want to Contribute?

© 2025 — Senayan Developer Community

Powered by SLiMS
Select the topic you are interested in
  • Computer Science, Information & General Works
  • Philosophy & Psychology
  • Religion
  • Social Sciences
  • Language
  • Pure Science
  • Applied Sciences
  • Art & Recreation
  • Literature
  • History & Geography
Icons made by Freepik from www.flaticon.com
Advanced Search