Perbandingan Algoritma Machine Learning pada Klasifikasi Penyakit Jantung

Musriatun Napiah, Sujiliani Heristian

Sari


Jantung merupakan organ paling penting dalam tubuh manusia yang memiliki fungsi utama untuk memompa darah ke seluruh tubuh melalui pembuluh darah,  World Health Organization (WHO) menyebutkan bahwa penyakit jantung koroner (PJK) menjadi salah satu masalah kesehatan dalam system kardiovaskular yang jumlahnya meningkat cepat dengan angka kematian 6,7 juta kasus pada tahun 2017. Banyak alternatif atau cara yang digunakan untuk mencegah dan mendeteksi penyakit jantung, namun karena kurangnya pengetahuan, penderita penyakit jantung banyak yang terlambat untuk memeriksa diri ke dokter. Tujuan dari penelitian ini adalah untuk mendeteksi penyakit jantung akibat gangguan kadiovaskular dengan menggunakan dataset dari http://archive.ics.uci.edu/ml/ dengan data sebanyak 1026 data penyakit jantung. Metode yang digunakan pada penlitian ini adalah Machine Learning dengn algoritma logistic regression, naive bayes, dan k-nearest neighbour (KNN) . Hasil yang didapatan dari penelitian ini yang tertinggi adalah dengan menggunakan metode k-nearest neighbour (KNN) yaitu akurasi sebesar 91%, sedangkan dengan algoritma logistic regression akurasinya sebesar 85%, dan naive bayes akurasinya sebesar 83%.

Teks Lengkap:

PDF

Referensi


analytics vidhya. (2022). No Title. Retrieved from https://www.analyticsvidhya.com/blog/2022/03/building-naive-bayes-classifier-from-scratch-to-perform-sentiment-analysis/

Annisa, R., Studi, P., Informasi, S., Kampus, A., Pontianak, K., Teknologi, F., … Forest, R. (2019). ANALISIS KOMPARASI ALGORITMA KLASIFIKASI DATA MINING. 3(1).

Bimo, P., Setio, N., Retno, D., Saputro, S., & Winarno, B. (2020). Klasifikasi dengan Pohon Keputusan Berbasis Algoritme. 3, 64–71.

Caballe, S. (2019). No Title. Retrieved from web page website: https://www.researchgate.net/figure/Training-and-testing-our-machine-learning-approach_fig2_318132501

Cnn, D. M., Arsal, M., Agus, B., & Anggraini, D. (2020). Jurnal Nasional Teknologi dan Sistem Informasi Face Recognition Untuk Akses Pegawai Bank Menggunakan Deep Learning. 01, 55–63.

Damuri, A., Riyanto, U., Rusdianto, H., & Aminudin, M. (2021). Implementasi Data Mining dengan Algoritma Naïve Bayes Untuk Klasifikasi Kelayakan Penerima Bantuan Sembako. 8(6), 219–225. https://doi.org/10.30865/jurikom.v8i6.3655

dqlab.id. (2021). No Title. Retrieved from https://dqlab.id/begini-konsep-dan-cara-kerja-algoritma-machine-learning

Informatika, J., & Informasi, S. (2020). INFORMASI (Jurnal Informatika dan Sistem Informasi) Volume 12 No.1 / Mei/ 2020. 12(1), 67–80.

Journal, C., Bianto, M. A., Informatika, M. T., & Yogayakarta, U. A. (2019). Perancangan Sistem Klasifikasi Penyakit Jantung Mengunakan Naïve Bayes. 6(1).

Mining, D. (2020). No Title. Retrieved from https://datamining2020.data.blog/2020/02/04/logistic-regression/

Musu, W., Ibrahim, A., Studi, P., Informatika, T., Makassar, U. D., Studi, P., … Makassar, U. D. (2021). Pengaruh Komposisi Data Training dan Testing terhadap Akurasi Algoritma C4 . 5. PROSIDING SEMINAR ILMIAH SISTEM INFORMASI DAN TEKNOLOGI INFORMASI, X(1), 186–195.

Prasetio, R. T., & Ripandi, E. (2019). Optimasi Klasifikasi Jenis Hutan Menggunakan Deep Learning Berbasis Optimize Selection. 6(1), 100–106.

Prasetyo, R., Nawawi, I., & Fauzi, A. (2021). Komparasi Algoritma Logistic Regression dan Random Forest pada Prediksi Cacat Software. 06(Siringoringo 2017), 275–281.

Pratama, R. R. (2020). Analisis Model Machine Learning Terhadap Pengenalan Aktifitas Manusia. 19(2), 302–311.

Puspita, R., & Widodo, A. (2021). Perbandingan Metode KNN , Decision Tree , dan Naïve Bayes Terhadap Analisis Sentimen Pengguna Layanan BPJS. 5(4), 646–654.

Putry, N. M., Sari, B. N., Kom, M., Informatika, T., & Karawang, U. S. (2022). KOMPARASI ALGORITMA KNN DAN NAÏVE BAYES UNTUK KLASIFIKASI DIAGNOSIS PENYAKIT DIABETES MELITUS. 10(1).

Reviantika, F., Informatika, J. T., Malang, U. M., Azhar, Y., Informatika, J. T., Malang, U. M., … Malang, U. M. (2021). Analisis Klasifikasi SMS Spam Menggunakan Logistic Regression. 04(03), 155–160.

Rizki, M., Basuki, S., & Azhar, Y. (2020). Implementasi Deep Learning Menggunakan Arsitektur Long Short Term Memory Untuk Prediksi Curah Hujan Kota Malang. 2(3), 331–338.

Roihan, A., Sunarya, P. A., & Rafika, A. S. (2020). Pemanfaatan Machine Learning dalam Berbagai Bidang : Review paper. 5(April), 75–82.

suprianto, dodit. (2020). No Title. Retrieved from http://doditsuprianto.blogspot.com/2020/04/klasifikasi-dengan-knn-k-nearest.html

UC irvine Machine Learning Repostory. (1988). No Title. Retrieved from http://archive.ics.uci.edu/dataset/45/heart+disease

Utomo, D. P. (2020). Analisis Komparasi Metode Klasifikasi Data Mining dan Reduksi Atribut Pada Data Set Penyakit Jantung. 4(April), 437–444. https://doi.org/10.30865/mib.v4i2.2080

Watratan, A. F., B, A. P., Moeis, D., Informasi, S., & Makassar, S. P. (2020). JOURNAL OF APPLIED COMPUTER SCIENCE AND TECHNOLOGY ( JACOST ) Implementasi Algoritma Naive Bayes Untuk Memprediksi Tingkat Penyebaran Covid-19 Di Indonesia. 1(1), 7–14.




DOI: https://doi.org/10.31294/infortech.v6i1.21888

DOI (PDF): https://doi.org/10.31294/infortech.v6i1.21888.g6466

Refbacks

  • Saat ini tidak ada refbacks.


Dipublikasikan oleh LPPM Universitas Bina Sarana Informatika

Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Kota Jakarta Pusat, DKI Jakarta 10450
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License