Implementasi Metode Naive Bayes Untuk Memprediksi Resiko Penyakit Jantung

Muhammad Ranjasmara, Amal Khairan, firman Tempola, rosihan rosihan

Abstract


Kematian akibat penyakit jantung terus meningkat dan tak mengenal usia muda dan tua. World Health Organization menyebutkan 7,3 juta penduduk dunia meninggal akibat dari penyakit jantung. Bahkan disebutkan penyakit jantung adalah salah penyakit nomor satu paling mematikan. Untuk itu penting diketahui resiko dari pentakit jantung dengan menerapkan model-model yang ada pada machine learning. Tujuan dari penelitian ini yaitu untuk mengimplementasikan metode Naive Bayes untuk memprediksi penyakit jantung, serta dilakukan ujii kinerja algoritma dengan menghitung presisi, recall dan akurasi. Adapun Kriteria-kriteria yang digunakan pada penelitian ini yaitu umur, jenis kelamin, jenis sakit dada, tekanan darah, kolestrol, kadar gula, elektrokardiografi, tekanan jantung, angina induksi, old-peak, segmen_st, Fluoroskopi, denyut jantung. Sedangkan class yang diprediksi ada 2 beresiko dan tidak beresiko. Hasil dalam penelitian ini menunjukan bahwa metode berhasil memprediksi atau mengklasifikasi pasien beresiko penyakit jantung dan tidak beresiko penyakit jantung dengan persentase precision 90%, recall 100% serta mendapatkan akurasi 92.85% dan termaksuk exellent classification.


Keywords


Resiko penyakit jantung, machine learning, naïve bayes

Full Text:

PDF

References


. Lestari, M. E. I. (2014). Penerapan Algoritma Klasifikasi Nearest Neighbor ( K-Nn ) Untuk Mendeteksi Penyakit Jantung. 7(September 2010), 366–371.

. Tempola F, Muhammad M, and Khairan A, 2018 “Naive Bayes Classifier for Prediction of Volcanic Status in Indonesia,” Proc. - 2018 5th Int. Conf. Inf. Technol. Comput. Electr. Eng. ICITACEE 2018, pp. 365–369

. Anas A, Khairan A dan Tempola F., 2019. Hybrid Fuzzy dan Naïve Bayes dalam penentuan Status UKT (Studi Kasus Program Studi Teknik Informatika Univeristas Khairun). PROtek: Jurnal Ilmiah Teknik Elektro. Vol. 6 (1). pp.6-11

. Baksir A H, Fuad A, Tempola F, Rosihan R, 2020. Prediksi Tingkat Kualitas Kesuburan Pria Dengan Jaringan Saraf Tiruan Backpropagation. JIKO (Jurnal Informatika dan Komputer). Vol.3 (2). pp.107-112.

. Ahmad, A. (2017). Mengenal Artificial Intelligence , Machine Learning , Neural Network , Dan Deep Learning, (June).

. Dahri, D., Agus, F., & Khairina, D. M. (2016). Metode Naive Bayes Untuk Penentuan Penerima Beasiswa Bidikmisi Universitas Mulawarman, 11(2).




DOI: http://dx.doi.org/10.33857%2Fpatj.v4i2.351

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution 3.0 License.

View My Stats

Editorial Office Department of Electrical Engineering :

Jl. Tun Abdul Razak, Paccinongang, Kec. Somba Opu, Kabupaten Gowa, Sulawesi Selatan 90235 | Email : pa.techjournal@gmail.com