Komparasi Algoritma Naive Bayes Dengan Support Vector Machine Berbasis Particle Swarm Optimization Untuk Prediksi Kesuburan

Berdasarkan penelitian bahwa kesuburan pria telah mengalami penurunan, hal ini dapat disebabkan oleh beberapa faktor lingkungan dan gaya hidup, diantaranya seperti pecandu alkohol, rokok, usia, faktor genetik dan musim dapat berpengaruh pada sperma yang berkualitas. Penelitian ini menguji kemampuan antara metode algoritma Naive Bayes dengan Support Vector Machine berbasis Particle Swarm Optimization, dimana dataset yang digunakan diambil dari dataset fertilitas UCI Machine Learning Repositori. Dataset terdiri dari 100 sample dan 10 field/atribut. Hasil dari komparasi kedua metode tersebut dimana klasifikasi Support Vector Machine berbasis Particle Swarm Optimization memperoleh nilai accuracy lebih tinggi 88.00% dibandingkan dengan algoritma naive bayes dengan nilai accuracy 85.00%.   Kata kunci: Kesuburan, Naive Bayes, Support Vector Machine, Particle Swarm Optimization. &nbsp