ABSTRAK

Penyakit jantung adalah salah satu masalah kesehatan yang serius di seluruh dunia.
Untuk mengidentifikasi dan mendiagnosis penyakit ini dengan tepat, penggunaan
machine learning menjadi penting. Penelitian ini menguji keampuhan algoritma
klasifikasi K-Nearest Neighbor (K-NN) dan Naive Bayes dalam membedakan
secara akurat pasien yang menderita penyakit jantung. Metode Naive Bayes
menunjukkan tingkat akurasi yang luar biasa, mencapai skor 82,34%. Selain itu,
metode ini juga menunjukkan nilai AUC (Area Under the Curve) yang tinggi, yaitu
0,907. Di sisi lain, algoritma k-nearest neighbor menunjukkan tingkat akurasi yang
sedikit berkurang yaitu 76,79% dan nilai AUC 0,847. Particle Swarm Optimization
(PSO) digunakan untuk meningkatkan ketepatan kedua teknik tersebut.
Penggunaan gabungan metode K-Nearest Neighbors (K-NN) dan teknik Particle
Swarm Optimization (PSO) menghasilkan tingkat akurasi yang luar biasa yaitu
96,54% dan nilai Area Under the Curve (AUC) sebesar 0,975. Di sisi lain, algoritma
Naive Bayes, yang kemudian ditingkatkan dengan pemanfaatan teknik Particle
Swarm Optimization (PSO), menghasilkan tingkat akurasi sebesar 89,04% dan nilai
Area Under the Curve (AUC) sebesar 0,931.