Klasifikasi Penyakit Jantung Menggunakan Perbandingan Algoritma Decision Tree Dan Naïve Bayes

Abstract

- Pemanfaatan teknologi telah meluas diberbagai bidang salah satunya ialah pengolahan data dalam sektor kesehatan. Teknik klasifikasi merupakan salah satu dari teknik pengolahan data, Rata-rata nilai akurasi penyakit jantung adalah sebesar 81%. Namun, nilai akurasi tersebut masih belum memuaskan, karena nilai akurasi tersebut masih di bawah rata-rata sebesar 85%. Masalah baru muncul karena adanya akurasi yang rendah, sehingga dapat menimbulkan resiko kesalahan yang signifikan dalam mendeteksi penyakit jantung. Kecenderungan nilai rata-rata yang rendah menunjukkan adanya hambatan dalam keakuratan sistem klasifikasi penyakit jantung. Penelitian ini menerapkan metode Knowledge Discovery in Database (KDD). Merupakan metode proses ekstraksi informasi yang bermanfaat dari sebuah database yang sebelumnya belum diketahui dan tidak terlihat. Tujuan akhir penelitian ini adalah untuk memberikan dasar pertimbangan saat membuat keputusan. Hasil menunjukkan bahwa algoritma Naïve Bayes mencapai tingkat ketepatan yang lebih tinggi sebesar 88.52%. Selain itu, algoritma Decision Tree memperoleh tingkat ketepatan 85.25%. Sehingga, bisa ditarik kesimpulan bahwa algoritma Naïve Bayes menghasilkan kinerja lebih unggul dalam klasifikasi penyakit jantung pada dataset yang digunakan dalam penelitian ini, jika dibandingkan dengan algoritma Decision Tree