JOURNAL ARTICLE

Perbandingan Algoritma Klasifikasi Pada Pasien Penyakit Jantung

Jefrin WaruwuAbdi Dharma

Year: 2024 Journal:   INTECOMS Journal of Information Technology and Computer Science Vol: 7 (5)Pages: 1691-1700

Abstract

Jantung adalah organ yang esensial dalam tubuh manusia dan berfungsi sebagai pusat pengatur dalam sistem sirkulasi, dimana pembuluh darah bertindak sebagai jalur distribusinya. Meskipun memegang peran vital, jantung juga merupakan organ yang sangat rentan terhadap berbagai penyakit. Penyakit jantung merupakan salah satu penyakit kronis yang umum di seluruh dunia, dan diagnosis dini sangat penting untuk pengelolaan yang efektif. Penting untuk mendeteksi penyakit jantung secara awal, terutama jika ada faktor bawaan, untuk mencegah risiko komplikasi serius dan kematian yang dapat dihindari. Penelitian yang dilakukan bertujuan untuk membandingkan lima algoritma klasifikasi dalam mengklasifikasi keberadaan penyakit jantung berdasarkan data klinis pasien. Dataset yang digunakan mencakup informasi umur, jenis kelamin, jenis nyeri, tekanan darah, kolestrol, gula darah, hasil EKG, detak jantung, angina, oldpeak, kemiringan segmen ST, kelas. Dataset terdiri dari 1190 baris data lalu data tersebut dibagi menjadi 80% data latih dan 20% data validasi. Algoritma yang dibandingkan ialah CatBoostClassifier, HistGradientBoostingClassifier, RandomForestClassifier, XGBClassifier, VotingClassifier. Berdasarkan hasil eksperimen yang dilakukan bahwasannya algoritma HistGradientBoostingClassifier dan VotingClassifer memiliki akurasi yang optimal dibandingkan dengan algoritma RandomForestClassifier, XGBClassifier dan CatBoostClassifier. HistGradientBoostingClassifier dan VotingClassifier memiliki akurasi 97% dan 97% sedangkan RandomForestClassifier mencapai akurasi 96% lalu XGBClassifier mencapai akurasi 96% terakhir CatBoostClassifier mendapatakan akurasi 95%. Algoritma HistGradientBoostingClassifier dan VotingClassifier disarankan untuk digunakan karena lebih optimal dalam mengklasifikasi pasien penyakit jantung dan normal karena mendapatkan akurasi yang tinggi dibandingkan algoritma lainnya. Penelitian menegaskan pentingnya pemilihan algoritma yang tepat untuk diagnosis dini dan pengelolaan penyakit jantung yang efektif, sehingga dapat membantu dalam mengurangi risiko komplikasi dan meningkatkan kualitas hidup pasien.

Keywords:
Medicine

Metrics

0
Cited By
0.00
FWCI (Field Weighted Citation Impact)
0
Refs
0.16
Citation Normalized Percentile
Is in top 1%
Is in top 10%

Topics

Computer Science and Engineering
Physical Sciences →  Computer Science →  Artificial Intelligence
Data Mining and Machine Learning Applications
Physical Sciences →  Computer Science →  Information Systems
Multimedia Learning Systems
Physical Sciences →  Computer Science →  Information Systems

Related Documents

JOURNAL ARTICLE

Perbandingan Algoritma Machine Learning pada Klasifikasi Penyakit Jantung

Sujiliani Heristian

Journal:   Jurnal Infortech Year: 2024 Vol: 6 (1)Pages: 46-51
JOURNAL ARTICLE

Analisis Perbandingan Algoritma Klasifikasi untuk Penyakit Jantung

Jalis Dwi MuthohharAgus Prihanto

Journal:   Journal of Informatics and Computer Science (JINACS) Year: 2023 Pages: 298-304
JOURNAL ARTICLE

Analisis Perbandingan Kinerja Algoritma Klasifikasi dalam Mendeteksi Penyakit Jantung

Abram Setyo PrabowoFelix Indra Kurniadi

Journal:   Jurnal SISKOM-KB (Sistem Komputer dan Kecerdasan Buatan) Year: 2023 Vol: 7 (1)Pages: 56-61
JOURNAL ARTICLE

PERBANDINGAN ALGORITMA KLASIFIKASI DALAM PENGKLASIFIKASIAN DATA PENYAKIT JANTUNG KORONER

Ardea Bagas WibisonoAchmad Fahrurozi

Journal:   Jurnal Ilmiah Teknologi dan Rekayasa Year: 2019 Vol: 24 (3)Pages: 161-170
JOURNAL ARTICLE

Klasifikasi Penyakit Jantung Menggunakan Perbandingan Algoritma Decision Tree Dan Naïve Bayes

Khoirudin Khoirudin

Journal:   KOPERTIP Jurnal Ilmiah Manajemen Informatika dan Komputer Year: 2024 Vol: 8 (1)Pages: 19-25
© 2026 ScienceGate Book Chapters — All rights reserved.