Implementasi Extreme Learning Machine dengan Seleksi Fitur Particle Swarm Optimization untuk Klasifikasi Sindrom Ovarium Polikistik

Audyra Dewi Puspa Mukti; Nurissaidah Ulinnuha; Ahmad Hanif Asyhar

doi:10.24198/jmi.v21.n2.63988.131-142

Implementasi Extreme Learning Machine dengan Seleksi Fitur Particle Swarm Optimization untuk Klasifikasi Sindrom Ovarium Polikistik

Audyra Dewi Puspa Mukti, Nurissaidah Ulinnuha, Ahmad Hanif Asyhar

Abstract

Sindrom Ovarium Polikistik (SOPK) adalah gangguan hormonal yang sering terjadi pada wanita usia reproduktif dan menjadi salah satu penyebab utama masalah kesuburan. Sekitar 3–15% wanita di seluruh dunia mengalami kondisi ini, yang juga dapat memicu berbagai masalah kesehatan lainnya. Penelitian ini bertujuan untuk mengembangkan metode diagnosis SOPK yang lebih efisien dan akurat dengan memanfaatkan algoritma Extreme Learning Machine (ELM) yang dikombinasikan dengan seleksi fitur menggunakan Particle Swarm Optimization (PSO). ELM dipilih karena kemampuannya dalam melakukan klasifikasi secara cepat, sedangkan PSO digunakan untuk memilih fitur-fitur yang paling relevan. Hasil seleksi fitur menghasilkan 18 fitur terpilih dari total 40 fitur. Pencarian parameter terbaik dilakukan dengan pendekatan random search dan grid search. Hasil menunjukkan bahwa random search memberikan performa terbaik, dengan akurasi 95.35%, sensitivitas 96.67%, dan spesifisitas 92.65%. Tanpa seleksi fitur, ELM hanya menghasilkan akurasi 84.20%, sensitivitas 90.10%, dan spesifisitas 70.62%. Temuan ini menunjukkan bahwa seleksi fitur menggunakan PSO mampu meningkatkan performa klasifikasi ELM secara signifikan.

Keywords

ELM, Klasifikasi, PSO, SOPK

Full Text:

PDF

References

Julia Elviethasari, Budi Santoso, Budiono, and Sulistiawati, “Knowledge of General Practitioners about Polycystic Ovarian Syndrome at the Primary Health Care in Surabaya, Indonesia,” J. Indones. Med. Assoc., vol. 70, no. 8, pp. 144–150, 2020, doi: 10.47830/jinma-vol.70.8-2020-228.

WHO, “Polycystic ovary syndrome,” World Health Organization.

U. N. Alifah, “Epidemiologi Sindrom Ovarium Polikistik,” alomedika. (Diakses pada: 10 Oktober 2024)

I. Putra, “PCOS dan Fertilitas Terhadap Gaya Hidup Sehat,” Kemenkes. (Diakses pada: 27 September 2024)

N. L. P. R. Dewi, “Pendekatan Terapi Polycystic Ovary Syndrome (PCOS),” Cermin Dunia Kedokt., vol. 47, no. 11, p. 703, 2020, doi: 10.55175/cdk.v47i11.1201.

H. Jantan, U. Fatihah, M. Bahrin, and L. H. Shaufee, “Polycystic Ovary Syndrome (PCOS) Prediction System Using PSO-SVM,” J. Comput. Res. Innov., vol. 9, no. 1, p. 2024, 2024, doi: 10.24191/jcrinn.v9i1.414.

S. C. R. Nandipati, X. Chew, and K. K. Wah, “Polycystic Ovarian Syndrome (PCOS) Classification and Feature Selection by Machine Learning Techniques,” Appl. Math. Comput. Intell. , vol. 9, no. Ml, pp. 65–74, 2020.

J. Wang, S. Lu, S. H. Wang, and Y. D. Zhang, “A review on extreme learning machine,” Multimed. Tools Appl., vol. 81, no. 29, pp. 41611–41660, 2022, doi: 10.1007/s11042-021-11007-7.

M. I. S. Saad, “Perbandingan Algoritma Extreme Learning Machine dan Multilayer Perceptron Dalam Prediksi Mahasiswa Drop Out,” Bull. Inf. Technol., vol. 4, no. 3, pp. 369–376, 2023, doi: 10.47065/bit.v4i3.890.

S. K. Rath, M. Sahu, S. P. Das, S. K. Bisoy, and M. Sain, “A Comparative Analysis of SVM and ELM Classification on Software Reliability Prediction Model,” Electron., vol. 11, no. 17, 2022, doi: 10.3390/electronics11172707.

D. octaviana Aziza and K. I. Kurniati, “Suplementasi Vitamin D pada Wanita dengan Polycystic Ovarian Syndrome (PCOS),” J. Ilm. Kesehat. Sandi Husada, vol. 8, no. 2, pp. 169–177, 2019, doi: 10.35816/jiskh.v8i2.140.

R. N. K. Ahmadah, B. Rahayudi, and Y. A. Sari, “Optimasi Extreme Learning Machine Dengan Particle Swarm Optimization Untuk Klasifikasi Penyakit Jantung Koroner,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 9, pp. 3894–3900, 2021.

V. T. Shreyas Vedpathak, “PCOS Dataset,” Kaggle.com.

T. D. Sukma, I. Cholissodin, and E. Santoso, “Penerapan Metode Extreme Learning Machine (ELM) dengan Optimasi Particle Swarm Optimization (PSO) untuk Memprediksi Harga Cabai Keriting di Kota Malang,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 9, pp. 3941–3949, 2021, [Online]. Available: http://j-ptiik.ub.ac.id

W. Wijiyanto, A. I. Pradana, S. Sopingi, and V. Atina, “Teknik K-Fold Cross Validation untuk Mengevaluasi Kinerja Mahasiswa,” J. Algoritm., vol. 21, no. 1, pp. 239–248, 2024, doi: 10.33364/algoritma/v.21-1.1618.

M. Jain, V. Saihjpal, N. Singh, and S. B. Singh, “An Overview of Variants and Advancements of PSO Algorithm,” Appl. Sci., vol. 12, no. 17, pp. 1–21, 2022, doi: 10.3390/app12178392.

M. H. Ramdani, G. Pasek, S. Wijaya, and R. Dwiyansaputra, “Optimalisasi Pengenalan Wajah Berbasis Linear Discriminant Analysis dan K-Nearsert Neighbor Menggunakan Particle Swarm Optimization (Optimization Of Face Recognition Based On Linear Discriminant Analysis and K-Nearest Neighbor Using Particle Swarm Optimiz,” vol. 4, no. 1, pp. 40–51, 2022, [Online]. Available: http://jtika.if.unram.ac.id/index.php/JTIKA/

V. V. Nurdiansyah, I. Cholissodin, and P. P. Adikara, “Klasifikasi Penyakit Tuberkulosis ( TB ) menggunakan Metode Extreme Learning Machine ( ELM ),” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 4, no. 5, pp. 1387–1393, 2020.

M. Karmila and I. Nirmala, “Prediksi Jumlah Produksi Kebutuhan Air Pada Perumda Air Minum Tirta Khatulistiwa Pontianak Menggunakan Metode Extreme Learning Machine (Elm),” Coding J. Komput. dan Apl., vol. 11, no. 1, p. 137, 2023, doi: 10.26418/coding.v11i1.58052.

Shalehah, Muhammad Itqan Mazdadi, Andi Farmadi, Dwi Kartini, and Muliadi, “Implementation of Particle Swarm Optimization Feature Selection on Naïve Bayes for Thoracic Surgery Classification,” J. Electron. Electromed. Eng. Med. Informatics, vol. 5, no. 3, pp. 150–158, 2023, doi: 10.35882/jeemi.v5i3.305.

W. Nugraha and A. Sasongko, “Hyperparameter Tuning pada Algoritma Klasifikasi dengan Grid Search Hyperparameter Tuning on Classification Algorithm with Grid Search,” Sist. J. Sist. Inf., vol. 11, no. 2, pp. 391–401, 2022, [Online]. Available: http://sistemasi.ftik.unisi.ac.id

F. Novianti and N. Ulinnuha, “Data Rekam Medis Pcos Menggunakan Svm Feature Selection Using Genetic Algorithm In Pcos Medical Record Data Classification Using Svm.,” vol. 9, no. 1, pp. 9–19, 2024.

N. T. Pitaloka and K. Kusnawi, “Pcos Disease Classification Using Feature Selection Rfecv and Eda With Knn Algorithm Method,” J. Tek. Inform., vol. 4, no. 4, pp. 693–701, 2023, doi: 10.52436/1.jutif.2023.4.4.831.

DOI: https://doi.org/10.24198/jmi.v21.n2.63988.131-142