Analisis Perbandingan Algoritma C4.5 dan Naïve Bayes Dalam Memprediksi Penyakit Cerebrovascular

Kelvin Leonardi Kohsasih; Zakarias Situmorang

doi:10.31294/inf.v9i1.11931

Analisis Perbandingan Algoritma C4.5 dan Naïve Bayes Dalam Memprediksi Penyakit Cerebrovascular

Kelvin Leonardi Kohsasih, Zakarias Situmorang

Abstract

Cerebrovascular Disease atau stroke merupakan salah satu penyebab utama kematian di dunia. stroke adalah penyakit yang disebabkan oleh gangguan pada pembuluh darah yang mensuplai darah ke otak. Machine learning merupakan teknologi yang dapat digunakan untuk memprediksi stroke. Salah satu algoritma klasifikasi machine learning yang dapat digunakan untuk melakukan prediksi adalah Algoritma Decision Tree C4.5 dan Algoritma Naive Bayes. Dalam penelitian ini, peneliti akan membandingkan akurasi dan kinerja dua algoritma untuk memprediksi stroke. Berdasarkan hasil penelitian didapatkan bahwa algoritma C4.5 memperoleh tingkat akurasi yang lebih tinggi yaitu 0,953 sedangkan algoritma Naive Bayes memperoleh tingkat akurasi 0,913.

Keywords

Penyakit Cerebrovascular, Machine learning, C4.5, Naïve-bayes, Stroke Prediction, Decision Tree

Full Text:

PDF (Bahasa Indonesia)

References

Agarwal, V. (2015). Research on Data Preprocessing and Categorization Technique for Smartphone Review Analysis. International Journal of Computer Applications, 131(4), 30–36. https://doi.org/10.5120/ijca2015907309

Amini, L., Azarpazhouh, R., Farzadfar, M. T., Mousavi, S. A., Jazaieri, F., Khorvash, F., Norouzi, R., & Toghianfar, N. (2013). Prediction and control of stroke by data mining. International Journal of Preventive Medicine, 4(Suppl 2), S245-9. http://www.ncbi.nlm.nih.gov/pubmed/23776732

Chun-An Cheng, Yi-Ching Lin, & Hung-Wen Chiu. (2014). Prediction of the Prognosis of Ischemic Stroke Patients after Intravenous Thrombolysis Using Artificial Neural Networks. Integrating Information Technology and Management for Quality of Care, 202, 115–118. https://doi.org/10.3233/978-1-61499-423-7-115

Elisa, E. (2017). Analisa dan Penerapan Algoritma C4.5 Dalam Data Mining Untuk Mengidentifikasi Faktor-Faktor Penyebab Kecelakaan Kerja Kontruksi PT.Arupadhatu Adisesanti. 2(1).

fedesoriano. (2021, January 27). Stroke Prediction Dataset. Kaggle. https://www.kaggle.com/fedesoriano/stroke-prediction-dataset/metadata

Mutiarasari, D., Kesehatan, B. I., Komunitas, M.-K., & Kedokteran, F. (2019). ISCHEMIC STROKE: SYMPTOMS, RISK FACTORS, AND PREVENTION. In Jurnal Ilmiah Kedokteran (Vol. 6, Issue 1).

Sailasya, G., & Kumari, G. L. A. (2021). Analyzing the Performance of Stroke Prediction using ML Classification Algorithms. International Journal of Advanced Computer Science and Applications, 12(6), 2021. https://doi.org/10.14569/IJACSA.2021.0120662

Sapna Devi, & Dr. Arvind Kalia. (2015). Study of Data Cleaning & Comparison of Data Cleaning Tools. International Journal of Computer Science and Mobile Computing, 4(3), 360–370. http://www.ijcsmc.com/

Setyanto dan Hanif Al Fattah, A. (2017). Analisis Perbandingan Algoritma Decision Tree (C4.5) Dan K-Naive Bayes Untuk Mengklasifikasi Penerimaan Mahasiswa Baru Tingkat Universitas. In Indonesian Journal of Applied Informatics (Vol. 2, Issue 1).

Singh, M. S., & Choudhary, P. (2017). Stroke prediction using artificial intelligence. 2017 8th Annual Industrial Automation and Electromechanical Engineering Conference (IEMECON), 158–161. https://doi.org/10.1109/IEMECON.2017.8079581

Wibawa, A. P., Kurniawan, A. C., Murti, D. M. P., Adiperkasa, R. P., Putra, S. M., Kurniawan, S. A., & Nugraha, Y. R. (2019). Naïve Bayes Classifier for Journal Quartile Classification. International Journal of Recent Contributions from Engineering, Science & IT (IJES), 7(2), 91. https://doi.org/10.3991/ijes.v7i2.10659

Widyaswara Suwaryo, P. A., Widodo, W. T., & Setianingsih, E. (2019). Faktor Risiko yang Mempengaruhi Kejadian Stroke. Jurnal Keperawatan, 11(4), 251–260. https://doi.org/10.32583/keperawatan.v11i4.530

DOI: https://doi.org/10.31294/inf.v9i1.11931