Klasifikasi Penyakit Jantung Menggunakan Decision Tree dan KNN Menggunakan Ektraksi Fitur PCA

Authors

  • Dewi Nasien Instititut Bisnis dan Teknologi Pelita Indonesia
  • Sirvan Sirvan Institut Bisnis dan Teknologi Pelita Indonesia
  • Deny Deny Institut Bisnis dan Teknologi Pelita Indonesia
  • Ryan Syahputra Ryan Syahputra Institut Bisnis dan Teknologi Pelita Indonesia
  • Alberta Akbar Marunduri Institut Bisnis dan Teknologi Pelita Indonesia
  • Richardo Prawinata See Institut Bisnis dan Teknologi Pelita Indonesia

DOI:

https://doi.org/10.58794/jekin.v4i1.641

Keywords:

K-fold Cross Validation, Klasifikasi, Penyakit jantung

Abstract

Penyakit jantung, yang merupakan penyebab utama kematian, menjadi fokus penanganan dan pembiayaan BPJS Kesehatan. Untuk upaya preventif, prediksi penyakit jantung pada pasien menjadi langkah penting. Dalam penelitian ini, proses klasifikasi dilakukan menggunakan dua metode, yaitu decision tree dan KNN, untuk memprediksi penyakit jantung. Metode decision tree dan KNN merupakan pendekatan yang umum digunakan dalam klasifikasi penyakit jantung. Decision tree membangun model keputusan berbasis pohon, sedangkan KNN menggabungkan beberapa decision tree untuk meningkatkan kinerja dan kestabilan prediksi. Hasil evaluasi performa kedua metode dapat memberikan pandangan yang komprehensif tentang keefektifan masing-masing dalam memprediksi penyakit jantung pada dataset yang digunakan. Metrik evaluasi seperti akurasi, precision, recall, dan F1 score akan memberikan informasi tentang sejauh mana model mampu mengklasifikasikan data dengan benar dan mengidentifikasi kasus penyakit jantung dengan baik

Downloads

Download data is not yet available.

References

kemenkes, “Kementerian Kesehatan Republik Indonesia.,” 2022.

R. Annisa, “Analisis Komparasi Algoritma Klasifikasi Data Mining untuk Prediksi Penderita Penyakit Jantung. Jurnal Teknik Informatika Kaputama (JTIK). No.1. Vol.3. 22-28.,” 2019.

dan R. C. Alham S. R. J. I., Efy Y., “Sistem Diagnosis Penyakit Jantung Koroner Dengan Algoritma C4.5 Berbasis Website (Studi Kasus: RSUD Dr. Soedarso Pontianak). PETIR : Jurnal Pengkajian dan Penerapan Teknik Informatika. No.2. Vol.14. 214-222.,” 2021.

Kaggle, “Kaggle. Heart Disease Cleveland UCI,” 2022.

T. M. Mitchell, “Machine Learning. McGraw-Hill. Kementerian Kesehatan Republik Indonesia.,” 2022.

I. P. Sari, D. Setiawan, and D. W. Marwan, “Sosialisasi Pelaksanaan Posyandu Melalui Transformasi Digital Kesehatan Menggunakan Aplikasi Mobile Posyandu Q,” J. Abdidas, vol. 3, no. 5, pp. 870–876, 2022, doi: 10.31004/abdidas.v3i5.691.

D. Setiawan, R. N. Putri, and R. Suryanita, “Implementasi Algoritma Genetika Untuk Prediksi Penyakit Autoimun,” Rabit J. Teknol. dan Sist. Inf. Univrab, vol. 4, no. 1, pp. 8–16, 2019, doi: 10.36341/rabit.v4i1.595.

I. Puspita Sari and D. Setiawan, “Aplikasi D’Laundry Berbasis Android Menggunakan Model Design Thinking Android-Based D’Laundry Application Using Model Design Thinking,” Juli, vol. 2, no. 3, pp. 136–142, 2022.

D. Setiawan, D. Arisandi, and L. Trisnawati, “Aplikasi Prediksi Penyakit Sirosis Hati Menggunakan Algoritma Genetika,” J. SANTI (Sistem Inf. dan Teknol. Informasi), vol. 2, no. 1, pp. 31–40, 2022.

D. Azhima, “Hybrid Machine Learning Model untuk Memprediksi Penyakit Jantung dengan Metode Logistic Regression dan Random Forest. Jurnal Teknologi Terpadu. No.1. Vol.8. 40-46,” 2022.

C. Y. Gobel, “Sistem Pakar Penyakit Liver Menggunakan K- Nearest Neighbors Algoritm,” 2022.

N. T. Rahman, “Analisa Algoritma Decision Tree Dan Naïve Bayes Pada Pasien Penyakit Liver,” J. Fasilkom, vol. 10, no. 2, pp. 144–151, 2020, doi: 10.37859/jf.v10i2.2087.,” 2022.

B. L. Trust, “Liver disease is now the biggest cause of death in those aged between 35-49 years old, new report reveals,” British Liver Trust, 2019. [Online]. Available: https://britishlivertrust.org.uk/liver-diseaseis-now-the-biggest-cause-of-death-in-those-aged-betwe,” 2022.

and A. H. I. Setiawati, A. P. Wibowo, “Implementasi Decision Tree Untuk Mendiagnosis Penyakit Liver,” J. Inf. Syst. Manag., vol. 1, no. 1, pp. 13–17, 2019.,” 2019.

Rudiansyah, D. Setiawan, and Shucy Ramawati Fadila, “Identifikasi Faktor Risiko Stunting pada Anak-anak dengan Metode K means Clustering menggunakan Dataset Kaggle,” JEKIN - J. Tek. Inform., vol. 3, no. 1, pp. 10–16, 2023, doi: 10.58794/jekin.v3i1.443.

T. Yuhono, C. R. Hassolthine, and R. Sahara, “Prediksi Harga Steel Hot-Rolled ( Hrc ) Dengan Model Recurement Neural Network ( Rnn ),” vol. 4, no. 1, pp. 1–9, 2024.

T. Yuhono, C. R. Hassolthine, and R. Sahara, “PREDIKSI HARGA STEEL HOT-ROLLED ( HRC ) DENGAN MODEL RECUREMENT NEURAL NETWORK ( RNN ),” vol. 4, no. 1, pp. 1–9, 2024.

N. Maryam, D. Setiawan, and R. Noratama Putri, “Aplikasi Deteksi Dini Penyakit Tidak Menular Pada Lansia Dengan menggunakan metode Dynamic System Development Method (DSDM),” JEKIN - J. Tek. Inform., vol. 3, no. 1, pp. 1–8, 2022, doi: 10.58794/jekin.v3i1.219.

Liza Trisnawati, D. Setiawan, and S. Ryanto, “ANTIDERM Dermatitis Consultation Application User Interface Design Model Using Design Sprint Method,” J. Int. Multidiscip., vol. 1, no. 1, pp. 1–17, 2023, doi: 10.58794/jim.v1i1.193.

D. Setiawan, R. N. Putri, and R. Suryanita, “Perbandingan Algoritma Genetika dan Backpropagation pada Aplikasi Prediksi Penyakit Autoimun,” Khazanah Inform. J. Ilmu Komput. dan Inform., vol. 5, no. 1, pp. 21–27, 2019, doi: 10.23917/khif.v5i1.7173.

I. Engineering, D. Setiawan, M. C. Pratama, D. Arisandi, T. Informatika, and U. Abdurrab, “IMPLEMENTASI SISTEM KEAMANAN JARINGAN MENGGUNAKAN RULE-,” vol. 7, no. 2, pp. 381–389, 2023.

P. Addie, D. Pengembangan, K. Pada, L. Elvitaria, D. Setiawan, and L. Susanti, “PENDAHULUAN Perkembangan ilmu pengetahuan dan teknologi yang sangat pesat saat ini menunjang dan mempermudah semua kegiatan di berbagai bidang dalam kehidupan manusia , salah satunya di Pendidikan . Dengan pemanfaatan teknologi media pembelajaran akan leb,” vol. 8, no. 2, pp. 231–246, 2023.

M. P. Efendy and D. Setiawan, “PERANCANGAN APLIKASI MAKANAN EMPAT SEHAT LIMA SEMPURNA,” vol. 5, no. 1, pp. 13–19, 2021.

Jack Billie Chandra and Dewi Nasien, “Application Of Machine Learning K-Nearest Neighbour Algorithm To Predict Diabetes,” Int. J. Electr. Energy Power Syst. Eng., vol. 6, no. 2, pp. 134–139, 2023, doi: 10.31258/ijeepse.6.1.117-121.

Downloads

Published

2024-02-18

Issue

Section

Articles