PERBANDINGAN PREDIKSI PENYAKIT SERANGAN JANTUNG MENGGUNAKAN MODEL MACHINE LEARNING

Rivaldo Pranandito
Hendry Hendry


DOI: https://doi.org/10.29100/jipi.v8i4.4165

Abstract


Serangan jantung dapat disebabkan oleh tekanan darah, stres, terlalu banyak bekerja dan gula darah. Diantara organ tubuh manusia, jantung merupakan organ yang harus bekerja lebih keras memompa darah ke seluruh tubuh untuk menghasilkan oksigen dan nutrisi. Ketika jantung tidak berfungsi dengan baik, fungsi organ lain di dalam tubuh akan terganggu secara serius dan bahkan dapat menyebabkan gagal jantung. Naive Bayes merupakan probabilistik klasifikasi, yang berdasarkan teorema Bayes. Atribut fitur dapat diasumsikan dengan kontribusi yang setara ke dalam target. Dapat dikatakan bahwa regresi logistik adalah suatu teknik analisis data statistik yang bertujuan untuk mencari variabel yang saling berhubungan yang jawabannya bersifat kategorikal. Bagi sebagian orang, menentukan atribut target merupakan hal yang paling penting dalam klasifikasi data mining. Dalam pembuatan data langsung, semua variabel dianggap sebagai atribut independen. Hal ini, widget Selected Columns yang disertakan, harus memilih atribut target yang akan diperiksa. Dalam penelitian tidak mengatur jumlah metode yang digunakan. Oleh karena itu prediksi dan analisis dapat menyebabkan hasil yang kurang optimal. Oleh karena itu, metode dan perhitungan tambahan dapat dilakukan untuk penelitian lebih lanjut untuk mencapai hasil yang optimal dan serbaguna. Studi tambahan dan metode lain untuk akurasi yang lebih baik juga dapat dilakukan dengan informasi baru. Hasil penelitian dengan metode naïve bayes, logistic regression, dan neural network dihasilkan pencapaian terbaik untuk metode naïve bayes mendapatkan hasil akurasi 84,3%.


Full Text:

PDF

Article Metrics :

References


S. Dwi Andini, “Review Analisis Hubungan Penyakit Jantung Koroner Terhadap Risiko Stres,” Cerdika J. Ilm. Indones., vol. 2, no. 11, pp. 933–937, 2022, doi: 10.36418/cerdika.v2i11.471.

S. A. T. Al Azhima, D. Darmawan, N. F. A. Hakim, I. Kustiawan, M. Al Qibtiya, and N. S. Syafei, “Hybrid Machine Learning Model untuk Memprediksi Penyakit Jantung dengan Metode Logistic Regression dan Random Forest,” J. Teknol. Terpadu, vol. 8, no. 1, pp. 40–46, 2022.

T. Aniamarta, A. Salsabilla Huda, and F. Lizariani Aqsha, “Review Artikel: Penyebab dan Pengobatan Serangan Jantung Review Article: Causes and Treatments of Heart Attack,” Biol. Samudra, vol. 4, no. 1, pp. 22–31, 2022.

American Journal of Sociology, “Penyakit Jantung,” J. Chem. Inf. Model., vol. 53, no. 9, pp. 1689–1699, 2019.

M. S. Mohtar, M. Riduansyah, S. Suwardi, and A. Asmadiannor, “Cardiac Care in Cultural (Ccic): Pelatihan Manajemen Serangan Jantung Dengan Budaya Banjar ‘Menyamak’ Bagi Ahli Cabut Angin Di Desa Pemurus Baru Banjarmasin,” J. Suaka Insa. Mengabdi, vol. 3, no. 2, pp. 123–132, 2022, doi: 10.51143/jsim.v3i2.312.

W. N. Santosa and B. Baharuddin, “Penyakit Jantung Koroner dan Antioksidan,” KELUWIH J. Kesehat. dan Kedokt., vol. 1, no. 2, pp. 98–103, 2020, doi: 10.24123/kesdok.v1i2.2566.

T. Tajudin, I. D. W. Nugroho, and V. Faradiba, “ANALISIS KOMBINASI PENGGUNAAN OBAT PADA PASIEN JANTUNG KORONER (Coronary Heart Disease) DENGAN PENYAKIT PENYERTA DI RUMAH SAKIT X CILACAP TAHUN 2019,” Pharmaqueous J. Ilm. Kefarmasian, vol. 1, no. 2, pp. 6–13, 2020, doi: 10.36760/jp.v1i2.111.

B. Penelitian et al., “Klasifikasi Penyakit Jantung Menggunakan Metode Support Vector Machine Berdasarkan Perbandingan Algoritma Pembacaan Waktu Dengan Tekstur Sinyal Sebagai Metode Ekstraksi Sinyal Ekg,” vol. 02, no. 01, pp. 7–11, 2020.

I. R. Hikmah and R. N. Yasa, “Perbandingan Hasil Prediksi Diagnosis pada Indian Liver Patient Dataset (ILPD) dengan Teknik Supervised Learning Menggunakan Software Orange,” J. Telemat., vol. 16, no. 2, pp. 69–76, 2021.

F. Chollet, “Machine learning 분야 소개 및 주요 방법론 학습 기본 machine learning 알고리즘에 대한 이해 및 응용 관련 최신 연구 동향 습득,” Mach. Learn., vol. 45, no. 13, pp. 40–48, 2017, [Online]. Available: https://books.google.ca/books?id=EoYBngEACAAJ&dq=mitchell+machine+learning+1997&hl=en&sa=X&ved=0ahUKEwiomdqfj8TkAhWGslkKHRCbAtoQ6AEIKjAA.

W. E. Nugroho, A. Sofyan, and O. Somantri, “Metode Naive Bayes Dalam Menentukan Program Studi Bagi Calon Mahasiswa Baru,” Infotekmesin, vol. 12, no. 1, pp. 59–64, 2021, doi: 10.35970/infotekmesin.v12i1.491.

S. Annas, A. Aswi, M. Abdy, and B. Poerwanto, “Binary Logistic Regression Model of Stroke Patients: A Case Study of Stroke Centre Hospital in Makassar,” Indones. J. Stat. Its Appl., vol. 6, no. 1, pp. 161–169, 2022, doi: 10.29244/ijsa.v6i1p161-169.

Y. Novi, “Penerapan Metode Neural Network dengan Struktur Backpropagation untuk Prediksi Stok Obat di Apotik,” Semin. Nas. Apl. Teknol. Inf., vol. 2011, no. Snati, pp. 17–18, 2011.

Ajib Susanto, Yupie Kusumawati, Ericsson Dhimas Niagara, and Christy Atika Sari, “Convolutional Neural Network Dalam Sistem Deteksi Helm Pada Pengendara Motor,” Semin. Nas. Teknol. dan Multidisiplin Ilmu, vol. 2, no. 1, pp. 91–99, 2022, doi: 10.51903/semnastekmu.v2i1.158.

A. Patunru, A. Surianta, and A. Tenggara, “Menarik Penanaman Modal Asing ( PMA ),” no. 4, pp. 1–9, 2020.

I. W. Saputro and B. W. Sari, “Uji Performa Algoritma Naïve Bayes untuk Prediksi Masa Studi Mahasiswa,” Creat. Inf. Technol. J., vol. 6, no. 1, p. 1, 2020, doi: 10.24076/citec.2019v6i1.178.