Analisis Perbandingan Algoritma C4.5 dan CART Untuk Klasifikasi Penyakit Stroke
Comparative Analysis of C4.5 and CART Algorithms for Classification of Stroke
Keywords:
CART, C4.5, Klasifikasi, StrokeAbstract
Penyakit cerebrovascular atau stroke terjadi akibat terputusnya suplai darah menuju otak akibat penyumbatan (ischemic) atau pembuluh darah pecah (hemorrhagic) sehingga mengganggu sistem syaraf pusat. Menurut World Health Organization (WHO) 70% kematian dunia terjadi akibat stroke. Berdasarkan Laporan Hasil Riskesdas tahun 2018, prevelansi stroke nasional menyentuh persentase 10,9%. Stroke adalah pembunuh nomor 3 di Indonesia. Tingginya kematian akibat stroke dikarenakan sulitnya melakukan prediksi yang akurat. Penyakit ini menyerang tiba-tiba, kematian dapat terjadi kurang dari 24 jam. Berdasarkan permasalahan tersebut, maka dibutuhkan algoritma machine learning yang mampu melakukan klasifikasi stroke dengan akurat, guna melakukan pencegahan dan perawatan dini sehingga dapat mengurangi angka kematian. Penelitian ini membandingkan algoritma decision tree C4.5 dan CART untuk mendapatkan hasil klasifikasi yang terbaik. Hasil terbaik didapatkan oleh algoritma C4.5 dengan akurasi sebesar 95,76%, sedangkan akurasi algoritma CART hanya 95,11% dengan pembagian data latih dan data uji sama besar, yakni 70:30.
References
A. Faisal and A. Subekti, “Deep Neural Network untuk Prediksi Stroke,” Jurnal Edukasi dan Penelitian Informatika, pp. 443–449, 2021.
O. Almadani and R. Alshammari, “Prediction of Stroke using Data Mining Classification Techniques,” International Journal of Advanced Computer Science and Applications, 2018. [Online]. Available: www.ijacsa.thesai.org
R. A. Zuama, S. Rahmatullah, and Y. Yuliani, “Analisis Performa Algoritma Machine Learning pada Prediksi Penyakit Cerebrovascular Accidents,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 6, no. 1, p. 531, Jan. 2022, doi: 10.30865/mib.v6i1.3488.
Dody and Z. Huzaifah, “HUBUNGAN ANTARA KLASIFIKASI STROKE DENGAN GANGGUAN FUNGSI MOTORIK PADA PASIEN STROKE,” Journal of Nursing Invention, pp. 94–97, 2021.
I. Lishania, R. Goejantoro, and Y. N. Nasution, “Perbandingan Klasifikasi Metode Naive Bayes dan Metode Decision Tree Algoritma (J48) pada Pasien Penderita Penyakit Stroke di RSUD Abdul Wahab Sjahranie Samarinda,” Jurnal EKSPONENSIAL, vol. 10, no. 2, 2019.
A. Byna and M. Basit, “PENERAPAN METODE ADABOOST UNTUK MENGOPTIMASI PREDIKSI PENYAKIT STROKE DENGAN ALGORITMA NAÏVE BAYES,” Jurnal Sisfokom (Sistem Informasi dan Komputer), vol. 9, no. 3, pp. 407–411, Nov. 2020, doi: 10.32736/sisfokom.v9i3.1023.
H. K V, H. P, G. Gupta, V. P, and P. K B, “STROKE PREDICTION USING MACHINE LEARNING ALGORITHMS,” International Journal of Innovative Research in Engineering & Management, vol. 8, no. 4, Jul. 2021, doi: 10.21276/ijirem.2021.8.4.2.
“Direktorat P2PTM.” http://p2ptm.kemkes.go.id/ (accessed Jun. 16, 2022).
E. Hartono, M. Puspitasari, and O. Adam, “GAMBARAN TEKANAN DARAH PADA PASIEN STROKE HEMORAGIK DENGAN DIABETES MELITUS DAN NON DIABETES MELITUS DI BAGIAN SARAF RUMKITAL DR.RAMELAN SURABAYA,” Jurnal Sinaps, 2019.
I. Kamila, U. Khairunnisa, and Mustakim, “Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokan,” Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi, vol. 5, no. 1, pp. 119–125, 2019.
F. Elfaladonna and A. Rahmadani, “ANALISAMETODE CLASSIFICATION-DECISSION TREE DAN ALGORITMA C.45 UNTUK MEMPREDIKSI PENYAKIT DIABETES DENGAN MENGGUNAKAN APLIKASI RAPID MINER,” Journal Science and Information Technology, pp. 10–17, 2021.
M. Swathy and K. Saruladha, “A comparative study of classification and prediction of Cardio-Vascular Diseases (CVD) using Machine Learning and Deep Learning techniques,” ICT Express, vol. 8, no. 1, pp. 109–116, Mar. 2022, doi: 10.1016/j.icte.2021.08.021.
D. Saputra, W. Irmayani, D. Purwaningtias, and J. Sidauruk, “A Comparative Analysis of C4.5 Classification Algorithm, Naïve Bayes and Support Vector Machine Based on Particle Swarm Optimization (PSO) for Heart Disease Prediction,” International Journal of Advances in Data and Information Systems, vol. 2, no. 2, Nov. 2021, doi: 10.25008/ijadis.v2i2.1221.
G. Sailasya and G. L. Aruna Kumari, “Analyzing the Performance of Stroke Prediction using ML Classification Algorithms,” 2021. [Online]. Available: www.ijacsa.thesai.org
“Stroke Prediction Dataset Kaggle.” https://www.kaggle.com/datasets/fedesoriano/stroke-prediction-dataset (accessed Jun. 16, 2022).
K. L. Kohsasih and Z. Situmorang, “Analisis Perbandingan Algoritma C4.5 Dan Naïve Bayes Dalam Memprediksi Penyakit Cerebrovascular,” JURNAL INFORMATIKA, vol. 9, no. 1, pp. 13–17, 2022, [Online]. Available: http://ejournal.bsi.ac.id/ejurnal/index.php/ji
J. Alwin Irawadi and S. Sunendiari, “Penerapan dan Perbandingan Tiga Metode Analisis Pohon Keputusan pada Klasifikasi Penderita Kanker Payudara,” Journal Riset Statistika, vol. 1, pp. 19–27, 2021, doi: 10.29313/.v1i01.7097.
A. Hendri Soleliza Jones and M. Sucron Makmun, “Implementasi Metode CART untuk Klasifikasi Diagnosis Penyakit Hepatitis Pada Anak,” Journal of Informatics, Information System, Software Engineering and Applications, vol. 3, no. 2, pp. 61–70, 2021, doi: 10.20895/INISTA.V3I2.
W. D. Septiani, “Komparasi Metode Klasifikasi Data Mining Algoritma C4.5 Dan Naive Bayes Untuk Prediksi Penyakit Hepatitis,” Jurnal Pilar Nusa Mandiri, vol. 13, no. 1, pp. 76–84, 2017.
I. Junaedi, N. Nuswantari, and V. Yasin, “UNTUK DATA MINING ANALISIS TINGKAT RISIKO KEMATIAN NEONATUM PADA BAYI,” 2019. [Online]. Available: http://journal.stmikjayakarta.ac.id/index.php/jisicomTelp.+62-21-3905050,
D. P. Utomo and M. Mesran, “Analisis Komparasi Metode Klasifikasi Data Mining dan Reduksi Atribut Pada Data Set Penyakit Jantung,” Jurnal Media Informatika Budidarma, vol. 4, no. 2, pp. 437–444, 2020.
M. M. Ghiasi, S. Zendehboudi, and A. A. Mohsenipour, “Decision tree-based diagnosis of coronary artery disease: CART model,” Computer Methods and Programs in Biomedicine, vol. 192, Aug. 2020, doi: 10.1016/j.cmpb.2020.105400.
D. Touriano, E. Fernando, P. Siagian, and H. A. Rohayani, “Sistem Pakar Mendiagnosis Penyakit Jantung dengan Metode Fuzzy Set,” 2014.
F. P. Prasticha, D. M. Rezha, A. S. Setyoningrum, and I. Setiawan, “HUBUNGAN ANTARA USIA, HIPERTENSI, KEBIASAAN MEROKOK DENGAN MORTALITAS STROKE ISKEMIK,” Proceeding Book National Symposium and Workshop Continuing Medical Education XIV, pp. 429–439, 2021.
