Metode Decison Tree C4.5 untuk Klasifikasi penyakit Jantung

Tutuk Indriyani, Fajar Fahru Rozi, Maftahatul Hakimah, Nanang Fakhrur Rozi, Rani Rotul Muhima

Abstract

Berbagai macam penelitian machine learning sudah dilakukan, salah satunya merupakan penelitian pemanfaatan machine learning untuk memprediksi penyakit jantung. Dalam Penelitian ini 304 dataset digunakan untuk melakukan klasifikasi. berdasarkan latar belakang dan hasil penelitian sebelumnya, penulis memutuskan untuk mengklasifikasi penyakit jantung menggunakan metode Decison Tree C4.5 Algoritma mengklasifikasi dengan benar saat hasil uji menggunakan confusion matrix menunjukkan nilai Accuracy 0,86 yang menunjukkan klasifikasi dataset pengujian ini sebesar 86% dan 14% tidak terklasifikasi dengan benar. Secara kesuluruhan, algoritma mengklasifikasi dataset penyakit jantung dengan baik. Hal ini di indikasikan dengan nilai rata rata seperti precision 0,87 yang berarti dari semua prediksi yang model dibuat sekitar 87% adalah benar, kemudian hasil recall adalah 0.84, yang berarti model berhasil mendeteksi sekitar 84%.

Keywords

klasifikasi, Decision tree C4.5, penyakit jantung, machine learning.

Full Text:

PDF

References

A. Prasetio, M. H. Hasibuan, and P. Sitompul, “Simulasi Penerapan Metode Decision Tree (C4.5) Pada Penentuan Status Gizi Balita,” Jurnal Nasional Komputasi dan Teknologi Informasi, vol. 4, no. 3, 2021.

R. Annisa, “ANALISIS KOMPARASI ALGORITMA KLASIFIKASI DATA MINING UNTUK PREDIKSI PENDERITA PENYAKIT JANTUNG,” Jurnal Teknik Informatika Kaputama (JTIK), vol. 3, no. 1, 2019.

A. Riani, Y. Susianto, and N. Rahman, “Implementasi Data Mining Untuk Memprediksi Penyakit Jantung Mengunakan Metode Naive Bayes,” Journal of Innovation Information Technology and Application (JINITA), vol. 1, no. 01, pp. 25–34, Dec. 2019, doi: 10.35970/jinita.v1i01.64.

“Medical gallery of Blausen Medical 2014,” WikiJournal of Medicine, vol. 1, no. 2, 2014, doi: 10.15347/wjm/2014.010.

J. Han et al., “Designing Data-Intensive Web Applications.”

A. H. Nasrullah, “IMPLEMENTASI ALGORITMA DECISION TREE UNTUK KLASIFIKASI PRODUK LARIS,” vol. 7, no. 2, 2021, [Online]. Available: http://ejournal.fikom-unasman.ac.id

L. Navia et al., “Klasifikasi Nasabah Menggunakan Algoritma C4.5 Sebagai Dasar Pemberian Kredit,” vol. 1, no. 2, 2016.

T. Indriyani et al.,“An Improve KNN Method for Classification of Sexually Transmitted Diseases_Rev”. International Conference on Vocation Educationand Electrical Engineering (ICVEE). 2023 IEEE

T. Indriyani, M. I. Utoyo, and R. Rulaningtyas, “A New Watershed Algorithm for Pothole Image Segmentation,” Studies in Informatics and Control, vol. 30, no. 3, pp. 131–139, 2021, doi: 10.24846/v30i3y202112.

T. Indriyani, S. Nurmuslimah, A. Taufiqurrahman, R. K. Hapsari, C. N. Prabiantissa, and A. Rachmad, “Steganography on Color Images Using Least Significant Bit (LSB) Method,” 2023, pp. 39–48. doi: 10.2991/978-94-6463-174-6_5.

Refbacks

  • There are currently no refbacks.