ANALISIS PERBANDINGAN MODEL NAÏVE BAYES DAN C4.5 UNTUK PREDIKSI STROKE BERDASARKAN RIWAYAT DATA MEDIS DENGAN PENDEKATAN MATRIKS KORELASI

Samuel Samuel, Idmi Idmi, Gandung Triyono

Abstract


Stroke merupakan satu diantara penyakit mematikan yang bisa terjadi secara mendadak dan bisa menyebabkan kematian/kecacatan. Prediksi dini risiko stroke sangat krusial guna mendukung tindakan an-tisipasi dan penanganan yang tepat. Penelitian ini membandingkan akurasi dua algoritma klasifikasi, yaitu Naive Bayes dan C4.5, dalam memprediksi risiko stroke berdasarkan data medis pasien. Metode pemilihan atribut menggunakan matriks korelasi diterapkan untuk memilih fitur yang paling relevan guna meningkatkan akurasi model. Data yang digunakan merupakan dataset stroke dari situs Kaggle. Hasil penelitian memperlihatkan penerapan matriks korelasi sebagai teknik seleksi atribut meningkatkan akurasi kedua algoritma. Algoritma C4.5 memberikan akurasi tertinggi men-capai 95%. Atribut yang berpengaruh signifikan dalam prediksi stroke antara lain tipe tempat tinggal, jenis kelamin, penyakit jantung, hipertensi, rata-rata kadar glukosa, dan status merokok. Dengan demikian, kombinasi seleksi fitur berbasis matriks korelasi dan algoritma C4.5 efektif untuk membangun model prediksi risiko stroke yang akurat dan dapat menjadi alat bantu diagnosis medis

Keywords


C4.5; Data Mining; Matriks Korelasi; Naïve Bayes; Prediksi Stroke

Full Text:

PDF

References


A. G. Ramadhan, S. H. Hidayatullah, and R. Ruba’i, “Implementasi Algoritma C4.5 pada Sistem Prediksi Stroke Berdasarkan Data Kesehatan,” J-CEKI J. Cendekia Ilm., vol. 4, no. 2, pp. 1617–1624, 2025.

G. Sailasya and G. L. Aruna Kumari, “Analyzing the Performance of Stroke Prediction using ML Classification Algorithms,” 2021. [Online]. Available: www.ijacsa.thesai.org

F. Akbar, H. Wira Saputra, A. Karel Maulaya, and M. Fikri Hidayat, “Implementation of Decision Tree Algorithm C4.5 and Support Vector Regression for Stroke Disease Prediction,” Indones. J. Mach. Learn. Comput. Sci., vol. 2, pp. 61–67, 2022.

D. E. Cahyani, “PENERAPAN MACHINE LEARNING UNTUK PREDIKSI PENYAKIT STROKE,” J. Kaji. Mat. dan Apl. Vol., vol. 3, no. 1, 2022, doi: 10.17977/um055v3i1p15-22.

L. Rahmawati, M. H. T, and M. A. Sunandar, “Analisis Data Mining Untuk Memprediksi Penyakit Stroke Dengan Algoritma Naïve Bayes,” JATIKOM J. Apl. dan Teor. Ilmu Komput., vol. 6, no. 2, pp. 55–60, 2023.

D. Rahma Ente, S. Astuti Thamrin, H. Kuswanto, and S. Arifin, “KLASIFIKASI FAKTOR-FAKTOR PENYEBAB PENYAKIT DIABETES MELITUS DI RUMAH SAKIT UNHAS MENGGUNAKAN ALGORITMA C4.5 *,” 2020.

T. N. Rahman, “ANALISA ALGORITMA DECISION TREE DAN NAÏVE BAYES PADA PASIEN PENYAKIT LIVER,” J. FASILKOM, vol. Volume 10, pp. 144–151, 2020.

I. Tahyudin, I. M. Putra, and A. Y. Syafa’at, DATA MINING DAN DATA WAREHOUSE MENGGUNAKAN APLIKASI KNIME. Purwokerto: Zahira Media, 2021. [Online]. Available: https://play.google.com/store/books/details?id=7AtBEAAAQBAJ

S. W. Audria, I. Farikhah, R. M. Saputra, and N. Purwati, “Prediksi Penyakit Paru-Paru Menggunakan Algoritma Naïve Bayes,” J. Data Sci. Methods Appl., vol. 01, no. 01, pp. 33–41, 2025, doi: 10.30873/jodmapps.v1i1.pp33-41.

Z. D. R. Sari, Jasmir, and Y. Arvita, “Penerapan Data Mining Untuk Prediksi Penyakit Diabetes Menggunakan Algoritma C4.5,” vol. 4, no. April, pp. 827–834, 2024.

A. F. Riany and G. Testiana, “Penerapan Data Mining untuk Klasifikasi Penyakit Stroke Menggunakan Algoritma Naïve Bayes,” J. SAINTEKOM, vol. 13, no. 1, pp. 42–54, 2023, doi: 10.33020/saintekom.v13i1.352.

F. A. H. Airi, T. Suprapti, and A. Bahtiar, “Komparasi Metode Klasifikasi Data Mining Untuk Prediksi Penyakit Stroke,” E-Link J. Tek. Elektro dan Inform., vol. 18, no. 1, p. 73, 2023, doi: 10.30587/e-link.v18i1.5271.

K. Akmal, A. Faqih, and F. Dikananda, “Perbandingan Metode Algoritma Naïve Bayes Dan K-Nearest Neighbors Untuk Klasifikasi Penyakit Stroke,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 1, pp. 470–477, 2023, doi: 10.36040/jati.v7i1.6367.

A. F. Abadi, N. Alamsyah, F. G. Retnanto, E. Daniati, and A. Ristyawan, “Penerapan Data Mining dalam Mengklasifikasi Penyakit Stroke Menggunakan Algoritma Naive Bayes,” INOTEK, vol. 7, pp. 2549–7952, 2024.

C. Maulana Sidiq, A. Faqih, and G. Dwilestari, “Algoritma Decision Tree C4.5 Digunakan Untuk Mengklasifikasikan Data Stroke,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 2, pp. 1869–1874, 2024, doi: 10.36040/jati.v8i2.8388.

H. Hendriyansyah, A. Irma Purnamasari, and T. Suprapti, “Penerapan Algoritma Decision Tree Dalam Klasifikasi Penyakit Stroke Otak,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 3, pp. 3038–3043, 2024, doi: 10.36040/jati.v8i3.9602.

R. Alfiyan, M. Hikmatyar, and S. S. Sundari, “Implementasi Metode Klasifikasi C4.5 Penyebab Faktor Resiko Penyakit Stroke,” Indones. J. Digit. Bus. J., vol. 4, no. October, pp. 37–48, 2024.

B. A. C. Permana, M. Sadali, and R. Ahmad, “Penerapan Model Decision Tree Menggunakan Python Untuk Prediksi Faktor Dominan Penyebab Penyakit Stroke,” Infotek J. Inform. dan Teknol., vol. 7, no. 1, pp. 23–31, 2024, doi: 10.29408/jit.v7i1.23232.

E. N. R. Khakim, A. Hermawan, and D. Avianto, “Implementasi Correlation Matrix Pada Klasifikasi Dataset Wine,” JIKO (Jurnal Inform. dan Komputer), vol. 7, no. 1, p. 158, 2023, doi: 10.26798/jiko.v7i1.771.

M. Faisal Fahrul and W. Hadikurniawati, “Klasifikasi Diabetes Pada Wanita Menggunakan Metode Naive Bayes Classifier,” J. Ilm. Inform., vol. 10, no. 01, pp. 70–73, 2022, doi: 10.33884/jif.v10i01.4705.

B. A. Candra Permana and I. K. Dewi Patwari, “Komparasi Metode Klasifikasi Data Mining Decision Tree dan Naïve Bayes Untuk Prediksi Penyakit Diabetes,” Infotek J. Inform. dan Teknol., vol. 4, no. 1, pp. 63–69, 2021, doi: 10.29408/jit.v4i1.2994.

K. L. Kohsasih and Z. Situmorang, “Analisis Perbandingan Algoritma C4.5 dan Naïve Bayes Dalam Memprediksi Penyakit Cerebrovascular,” J. Inform., vol. 9, no. 1, pp. 13–17, 2022, doi: 10.31294/inf.v9i1.11931.

C. Mirna Wati -, A. Charis Fauzan -, and H. -, “PERFORMANCE COMPARISON OF MUSHROOM TYPE CLASSIFICATION BASED ON MULTI-SCENARIO DATASET USING DECISION TREE C4.5 AND C5.0”, doi: 10.34288/jri.v4i3.XXX.




DOI: https://doi.org/10.29100/jipi.v10i4.8653

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)
ISSN 2540-8984
Published by
Prodi Pendidikan Teknologi Informasi
Universitas Bhinneka PGRI

Website :https://jurnal.stkippgritulungagung.ac.id/index.php/jipi/index
Email: jipistkippti@gmail.com

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.