Optimasi Prediksi Penyakit Systemic Lupus Erythematosus Menggunakan Algoritma Particle Swarm Optimization
DOI:
https://doi.org/10.33633/tc.v19i1.3152Keywords:
prediksi, Systemic lupus Erythematosus, genetika, algoritma particle swarm optimizationAbstract
Systemic lupus erythematosus (SLE) juga dikenal sebagai lupus, adalah penyakit autoimun di mana sistem kekebalan tubuh secara keliru menyerang jaringan sehat di banyak bagian tubuh. Jumlah penderita SLE semakin meningkat tiap tahun. Systemic Lupus Erythematosus telah diderita sebanyak lima juta orang diseluruh dunia. Penderita SLE di China lebih tinggi dari negara Eropa dan Amerika Utara, perkiraan prevalensi SLE adalah 50-100 kasus per 100.000 orang. Sedangkan di Indonesia, berdasarkan Sistem Inormasi Rumah Sakit Online (SIRS Online) pada tahun 2014 terdapat 1.169 penderita SLE, tahun 2015 terdapat 1.336 penderita SLE, dan tahun 2016 terdapat 2.116, dari data tersebut terlihat peningkatan angka penderita SLE setiap tahun. Salah satu penyebab dari tingginya angka penderita penyakit SLE adalah sulitnya mendiagnosa penyakit SLE. Tantangan terbesar dalam ilmu kedokteran adalah bagaimana melakukan deteksi dini dalam mendiagnosa penyakit SLE. Deteksi dini dalam diagnosa penyakit SLE dapat dilakukan dengan prediksi penyakit SLE. Penelitian ini melakukan optimasi terhadap hasil prediksi penyakit SLE dengan metode genetika. Metode optimasi yang digunakan adalah algoritma particle swarm optimization. Hasil dari penelitian adalah algoritma particle swarm optimization dapat melakukan optimasi dengan 6 pasien teridentifikasi secara tepat. Akurasi dari optimasi adalah 88 %.References
S. Waluyo and B. Marhendra, Penyakit-Penyakit Autoimun. Jakarta: Gramedia, 2014.
N. Putu, W. Purnama, F. Keperawatan, U. Katolik, W. Mandala, and S. Telp, “FAKTOR PENCETUS GEJALA DAN PERILAKU PENCEGAHAN SYSTEMIC LUPUS ERYTHEMATOSUS ( Precipitating Factors and Preventive Behavior towards the Exposures of Systemic Lupus Erythematosus ),†J. Ners, vol. 11, no. 1, pp. 213–219, 2014.
L. Mu, “Mortality and prognostic factors in Chinese patients with systemic lupus erythematosus,†pp. 1–11, 2018.
Kemenkes RI, Situasi Lupus Indonesia. Jakarta: Pusat Data dan Informasi Kementrian kesehatan, 2017.
R. Felten et al., “10 most important contemporary challenges in the management of SLE,†pp. 1–6, 2019.
T. Li, L. Jiang, L. Wang, and H. Xu, “ARTIFICIAL INTELLIGENCE PREDICT THE LUPUS NEPHRITIS BASED ON FULL-PHENOTYPE DATABASE WITH NATURAL LANGUAGE PROCESSING TECHNOLOGY,†Lupus Sci. Med., vol. 2, no. table 1, pp. 212–213, 2019.
F. Ceccarelli et al., “Prediction of chronic damage in systemic lupus erythematosus by using machine- learning models,†vol. 35, pp. 1–13, 2017.
D. Setiawan and R. N. Putri, “Prediction of Autoimmune Disease Using Backpropagation Method,†Pros. CELSciTech 3, vol. 3, pp. 52–60, 2018.
D. Setiawan, R. N. Putri, and R. Suryanita, “Implementasi algoritma genetika untuk prediksi penyakit autoimun,†RABIT (Jurnal Teknol. dan Sist. Inf. Univrab), vol. 4, no. 1, pp. 8–16, 2019.
D. Setiawan, R. N. Putri, and R. Suryanita, “Perbandingan Algoritma Genetika dan Backpropagation pada Aplikasi Prediksi Penyakit Autoimun,†khazanah Inform., vol. 5, no. 1, pp. 21–27, 2019.
R. Noratama and D. Setiawan, “UPAYA PENEKANAN ANGKA KEMATIAN PASIEN SLE ( SYSTEMIC LUPUS ERYTHEMATOSUS ) DENGAN PREDIKSI,†pp. 38–49, 2019.
L. Istikomah and I. Cholissodin, “Implementasi Algoritma Particle Swarm Optimization ( PSO ) untuk Optimasi Pemenuhan Kebutuhan Gizi Balita,†J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 1, no. 11, 2017.
D. Rahmalia, A. Romatullah, and M. S. Pradana, “Estimasi Parameter Super Pairwise Alignment pada Kombinasi Virus Dengue Menggunakan Particle Swarm Optimization,†Techno.COM, vol. 18, no. 3, pp. 264–274, 2019.
J. Kennedy and R. Eberhart, “Particle Swarm Optimization,†IEEE, pp. 1942–1948, 1995.
T. Rahajoeningroem and M. Aria, “PADA APLIKASI FILTER ADAPTIVE NOISE CANCELLATION,†Maj. Ilm. UNIKOM, vol. 11, no. 1, pp. 135–146.
M. Badrul, “Optimasi Algoritma Neural Network Dengan Algoritma Genetika Dan Particle Swarm Optimization Untuk Memprediksi Hasil Pemilukada,†J. Pilar Nusa Mandiri, vol. 13, no. 1, pp. 1–11, 2017.
D. M. Agustina and Wijanarto, “Analisis Perbandingan Algoritma ID3 Dan C4 . 5 Untuk Klasifikasi Penerima Hibah Pemasangan Air Minum,†J. Appl. Intell. Syst., vol. 1, no. 3, pp. 234–244, 2016.
Y. Marbun, N. Nikentari, and M. Bettiza, “Perbandingan Algoritma Genetika dan Particle Swarm Optimization dalam Optimasi Penjadwalan Matakuliah,†Fak. Tek. Umr, pp. 1–7, 2013.
Downloads
Published
Issue
Section
License
Copyright (c) 2020 Ramalia Noratama Putri, Debi Setiawan

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
License Terms
All articles published in Techno.COM Journal are licensed under the Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0). This means:
1. Attribution
Readers and users are free to:
-
Share – Copy and redistribute the material in any medium or format.
-
Adapt – Remix, transform, and build upon the material.
As long as proper credit is given to the original work by citing the author(s) and the journal.
2. Non-Commercial Use
-
The material cannot be used for commercial purposes.
-
Commercial use includes selling the content, using it in commercial advertising, or integrating it into products/services for profit.
3. Rights of Authors
-
Authors retain copyright and grant Techno.COM Journal the right to publish the article.
-
Authors can distribute their work (e.g., in institutional repositories or personal websites) with proper acknowledgment of the journal.
4. No Additional Restrictions
-
The journal cannot apply legal terms or technological measures that restrict others from using the material in ways allowed by the license.
5. Disclaimer
-
The journal is not responsible for how the published content is used by third parties.
-
The opinions expressed in the articles are solely those of the authors.
For more details, visit the Creative Commons License Page:
? https://creativecommons.org/licenses/by-nc/4.0/