Perbandingan Algoritma Random Forest, Naive Bayes, Dan Neural Network Dalam Klasifikasi Penyakit Jantung
Article Sidebar
Main Article Content
Abstract
Penyakit jantung merupakan salah satu masalah kesehatan paling mematikan di dunia, dengan jumlah kematian yang terus meningkat setiap tahunnya. Penyakit kardiovaskular adalah penyebab utama kematian di seluruh dunia, dengan lebih dari 17 juta kematian setiap tahun, menurut data WHO. Gangguan fungsi jantung ini dapat dipicu oleh berbagai faktor risiko seperti pola makan tidak sehat, obesitas, kurang aktivitas fisik, kebiasaan merokok, dan riwayat penyakit dalam keluarga. Oleh karena itu, deteksi dini sangat penting untuk mencegah dan mengurangi risiko kematian akibat penyakit jantung. Penelitian ini bertujuan untuk membandingkan performa tiga metode klasifikasi, yaitu Random Forest, Neural Network, dan Naive Bayes dalam mengklasifikasi risiko penyakit jantung. Pengujian model dilakukan menggunakan metode Random Sampling dengan skema repeat train/test sebanyak 10 kali, di mana setiap iterasi menggunakan 80% data sebagai training set. Berdasarkan hasil evaluasi, model Random Forest menghasilkan nilai AUC sebesar 0,996, model Naive Bayes sebesar 0,980, dan model Neural Network sebesar 0,957. Selain itu, analisis dilakukan untuk menilai keunggulan dan kelemahan masing-masing metode dalam menangani data dengan fitur yang kompleks dan saling berkorelasi. Hasil penelitian ini diharapkan dapat memberikan rekomendasi metode klasifikasi yang paling efektif dan efisien untuk diterapkan dalam sistem pendukung keputusan medis guna deteksi dini penyakit jantung.
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
I. M. Agus Oka Gunawan, I. D. A. Indah Saraswati, I. D. G. Riswana Agung, and I. P. Eka Putra, “Klasifikasi Penyakit Jantung Menggunakan Algoritma Decision Tree Series C4.5 Dengan Rapidminer,” Jurnal Teknologi Dan Sistem Informasi Bisnis, vol. 5, no. 2, pp. 73–83, 2023, doi: 10.47233/jteksis.v5i2.775.
D. Pradana, M. Luthfi Alghifari, M. Farhan Juna, and D. Palaguna, “Klasifikasi Penyakit Jantung Menggunakan Metode Artificial Neural Network,” Indonesian Journal of Data and Science, vol. 3, no. 2, pp. 55–60, 2022, doi: 10.56705/ijodas.v3i2.35.
H. Hidayat, A. Sunyoto, and H. Al Fatta, “Klasifikasi Penyakit Jantung Menggunakan Random Forest Clasifier,” Jurnal SISKOM-KB (Sistem Komputer dan Kecerdasan Buatan), vol. 7, no. 1, pp. 31–40, 2023, doi: 10.47970/siskom-kb.v7i1.464.
I. Rashad, R. R. Isnanto, and C. E. Widodo, “Klasifikasi Penyakit Jantung Menggunakan Algoritma Analisis Diskriminan Linier,” J. Sistem Info. Bisnis, vol. 13, no. 1, pp. 29–36, 2023, doi: 10.21456/vol13iss1pp29-36.
S. A. Putri, N. Selayanti, and M. Kristanaya, “Penerapan Machine Learning Algoritma Random Forest Untuk Prediksi Penyakit Jantung,” vol. 2024, no. Senada, 2024.
A. A. Surya and Y. Yamasari, “Penerapan Algoritma Naïve Bayes (NB) untuk Klasifikasi Penyakit Jantung,” Journal of Informatics and Computer Science (JINACS), vol. 5, no. 03, pp. 447–455, 2024, doi: 10.26740/jinacs.v5n03.p447-455.
J. D. Muthohhar and A. Prihanto, “Analisis Perbandingan Algoritma Klasifikasi untuk Penyakit Jantung,” Journal of Informatics and Computer Science (JINACS), vol. 04, pp. 298–304, 2023, doi: 10.26740/jinacs.v4n03.p298-304.
D. Ade, U. Hayati, T. Hartati, S. L. Manikari, F. Afandi, and S. I. Cirebon, “Jurnal Pengenalan Wajah menggunakan Principle Component Analysis ( PCA ) dengan Model Algoritma Machine Learning untuk Mengidentifikasi Jenis Kelamin pada Kartu Identitas Mahasiswa Face Recognition using Principle Component Analysis ( PCA ) with Machine L,” Jurnal Pengenalan Wajah menggunakan Principle Component Analysis ( PCA ) dengan Model Algoritma Machine Learning untuk Mengidentifikasi Jenis Kelamin pada Kartu Identitas Mahasiswa Face Recognition using Principle Component Analysis ( PCA ) with Machine L, vol. 5, pp. 219–224, 2023.
D. H. Depari, Y. Widiastiwi, and M. M. Santoni, “Perbandingan Model Decision Tree, Naive Bayes dan Random Forest untuk Prediksi Klasifikasi Penyakit Jantung,” Informatik : Jurnal Ilmu Komputer, vol. 18, no. 3, p. 239, 2022, doi: 10.52958/iftk.v18i3.4694.
N. Sitohang, “Jurnal Sains Informatika Terapan ( JSIT ),” Penerapan Data Mining Untuk Peringatan Dini Banjir Menggunakan Metode Klastering K-Means, vol. 2, no. 1, pp. 16–20, 2023.
M. A. Bianto, K. Kusrini, and S. Sudarmawan, “Perancangan Sistem Klasifikasi Penyakit Jantung Mengunakan Naïve Bayes,” Creative Information Technology Journal, vol. 6, no. 1, p. 75, 2020, doi: 10.24076/citec.2019v6i1.231.
D. Safitri, S. S. Hilabi, and F. Nurapriani, “Analisis Penggunaan Algoritma Klasifikasi Dalam Prediksi Kelulusan Menggunakan Orange Data Mining,” Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, vol. 8, no. 1, pp. 75–81, 2023, doi: 10.36341/rabit.v8i1.3009.
M. R. Adipratama and N. Safriadi, “Analisis Sentimen Terhadap Rencana Penerapan E-Voting Pada Pemilu di Indonesia,” Jurnal Linguistik Komputasional (JLK), vol. 7, no. 1, pp. 26–30, 2024, doi: 10.26418/jlk.v7i1.214.
E. Pranadjaya, E. S. Pangestu, C. O. Sereati, S. Octaviani, and M. Darmawan, “Perbandingan Algoritma Machine Learning menggunakan Orange Data Mining untuk Klasifikasi Jenis Kendaraan pada Sistem Tilang Digital,” Jurnal Elektro, vol. 17, no. 1, pp. 41–47, 2024, doi: 10.25170/jurnalelektro.v17i1.5429.
I. Popchev and D. Orozova, “Algorithms for Machine Learning with Orange System,” International journal of online and biomedical engineering, vol. 19, no. 4, pp. 109–123, 2023, doi: 10.3991/ijoe.v19i04.36897.
Sriyanto and A. Ria Supriyatna, “Teknika 17 (1): 163-172 Prediksi Penyakit Diabetes Menggunakan Algoritma Random Forest,” Ijccs, vol. x, No.x, no. x, pp. 1–5, 2023.
D. Kurniawan, M. Wahyudi, and L. Pujiastuti, “Deteksi dan Prediksi Cerdas Penyakit Paru-Paru dengan Algoritma Random Fores,” vol. 3, no. 1, 2024.