PERBANDINGAN KINERJA LIMA ALGORITMA KLÀSIFIKASI DASAR UNTUK PREDIKSI PENYAKIT JANTUNG “CLASSIFIER: NB, DTC4.5, KNN, ANN & SVM”.
), Sriyanto Sriyanto(2), RZ Abdul Aziz(3), Suhendro Suhendro(4),
(1) IIBI Darmajaya Lampung
(2) IBI Darmajaya
(3) IBI Darmajaya
(4) IBI Darmajaya
Corresponding Author
Abstract
Penelitian ini membandingkan kinerja lima algoritma klasifikasi dasar untuk prediksi penyakit jantung, yaitu Naive Bayes, Decision Tree C4.5, K-Nearest Neighbors, Artificial Neural Network, dan Support Vector Machine. Hasil eksperimen menunjukkan bahwa algoritma Support Vector Machine memiliki akurasi tertinggi, diikuti oleh Artificial Neural Network, K-Nearest Neighbors, Naïve Bayes, dan Decision Tree. Kurva Receiver Operating Characteristic juga menunjukkan bahwa Artificial Neural Network memiliki hasil terbaik. Penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam pengembangan model prediksi penyakit jantung yang lebih handal. Tujuan dari pemilihan fitur akuisisi informasi adalah untuk memilih fitur atau atribut yang secara signifikan mempengaruhi penyakit jantung.
Kata Kunci: Klasifikasi, SVM, KNN, ANN, Decision Tree, Naïve Bayes
References
D. H. Depari, Y. Widiastiwi, and M. M. Santoni, “Perbandingan Model Decision Tree, Naive Bayes dan Random Forest untuk Prediksi Klasifikasi Penyakit Jantung,” Inform. J. Ilmu Komput., vol. 18, no. 3, 2022, doi: 10.52958/iftk.v18i3.4694.
R. Annisa, “Analisis Komparasi Algoritma Klasifikasi Data Mining Untuk Prediksi Penderita Penyakit Jantung,” J. Tek. Inform. Kaputama, vol. 3, no. 1, pp. 22–28, 2019, [Online]. Available: https://jurnal.kaputama.ac.id/index.php/JTIK/article/view/141/156
Firdlous A.D., “Komparasi Algoritma Klasifikasi Data Mining untuk Memprediksi Penyakit Jantung,” J. Ilmu-ilmu Inform. dan ManajemenSTMIK, vol. 16, no. 1, 2022.
M. D. F. Tino, Herliyani Hasanah, and Tri Djoko Santosa, “PERBANDINGAN ALGORITMA SUPPORT VECTOR MACHINES (SVM) DAN NEURAL NETWORK UNTUK KLASIFIKASI PENYAKIT JANTUNG,” INFOTECH J., vol. 9, no. 1, 2023, doi: 10.31949/infotech.v9i1.5432.
M. A. Bianto, K. Kusrini, and S. Sudarmawan, “Perancangan Sistem Klasifikasi Penyakit Jantung Mengunakan Naïve Bayes,” Creat. Inf. Technol. J., vol. 6, no. 1, 2020, doi: 10.24076/citec.2019v6i1.231.
J. D. Muthohhar and A. Prihanto, “Analisis Perbandingan Algoritma Klasifikasi untuk Penyakit Jantung,” J. Informatics Comput. Sci., 2023, doi: 10.26740/jinacs.v4n03.p298-304.
S. H. A. Aini, Y. A. Sari, and A. Arwan, “Seleksi Fitur Information Gain untuk Klasifikasi Penyakit Jantung Menggunakan Kombinasi Metode K-Nearest Neighbor dan Naïve Bayes,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 9, 2018.
Y. Purbolingga, D. Marta, A. Rahmawatia, and B. Wajhi, “Perbandingan Algoritma CatBoost dan XGBoost dalam Klasifikasi Penyakit Jantung,” J. APTEK Vol. 15 No 2 126-133, vol. 15, no. 2, 2023.
D. Pradana, M. Luthfi Alghifari, M. Farhan Juna, and D. Palaguna, “Klasifikasi Penyakit Jantung Menggunakan Metode Artificial Neural Network,” Indones. J. Data Sci., vol. 3, no. 2, 2022, doi: 10.56705/ijodas.v3i2.35.
A. F. Riany and G. Testiana, “Penerapan Data Mining untuk Klasifikasi Penyakit Jantung Koroner Menggunakan Algoritma Naïve Bayes,” MDP Student Conf., vol. 2, no. 1, 2023, doi: 10.35957/mdp-sc.v2i1.4388.
A. Sepharni, I. E. Hendrawan, and C. Rozikin, “Klasifikasi Penyakit Jantung dengan Menggunakan Algoritma C4.5,” STRING (Satuan Tulisan Ris. dan Inov. Teknol., vol. 7, no. 2, 2022, doi: 10.30998/string.v7i2.12012.
Article Metrics
Abstract View
: 74 times
Download : 30 times
DOI: 10.58486/jsr.v8i2.454
Refbacks
- There are currently no refbacks.
