Metode Klasifikasi Supervised Learning pada Penyakit Gagal Jantung
Supervised Learning Classification Method in heart failure
Keywords:
Klasifikasi, SVM , C4.5 , NBC , Holdout , Gagal JantungAbstract
Jantung adalah organ vital pada manusia yang memiliki peran sangat penting pada tubuh manusia sehingga seseorang yang menderita penyakit jantung berkemungkinan mengalami keluhan semasa hidupnya. Di seluruh dunia gagal jantung (Heart Failure) merupakan masalah kesehatan utama. Di tahun 2013 prevelensi gagal jantung yang ditunjukkan oleh Riset Kesehatan Dasar (Riskesdas) Indonesia diperkirakan sekitar 0,3% atau sekitar 530.068 orang. Dengan banyaknya orang yang terkena penyakit gagal jantung maka peneliti tertarik untuk melakukan klasifikasi untuk memprediksi kemungkinan penyakit gagal jantung menjadi penyebab kematian. Kali ini peneliti akan menggunakan 3 algoritma yaitu algoritma c4.5, Support-Vektor Machine (SVM), dan Naïve Bayes Classifier (NBC) dengan teknik pembagian data menggunakan haldout. Dataset yang digunakan memiliki 13 atribut dan 299 data, diperoleh sebanyak 239 data training dan 60 data testing. Hasil dari penelitian ini berupa hasil klasifikasi menggunakan tools Python dengan perolehan nilai akurasi algoritma C.45 sebesar 80%, algoritma NBC sebesar 68% sedangkan algoritma SVM sebesar 68%. Dapat diketahui bahwa algoritma c4.5 lebih optimal untuk klasifikasi data pasien yang terkena gagal jantung dengan nilai akurasi 80%.
References
Hernawati Basir, R. A. Rusmin, Yusriyani, Z. Thahir, and A. T. D. Pine, “Jurnal Pengabdian Kefarmasian Volume I, No.2, November 2020,” Pengabdi. Kefarmasian, vol. 2, no. 2, pp. 32–37, 2021.
D. W. Adnyani and M. G. Juniartha, “Efektivitas Latihan Yoga Dalam Mengatasi Penyakit Jantung Koroner (Pjk),” J. Yoga Dan Kesehat., vol. 3, no. 2, p. 129, 2020, doi: 10.25078/jyk.v3i2.1695.
D. Cahya Putri Buani, “Penerapan Algoritma Naïve Bayes dengan Seleksi Fitur Algoritma Genetika Untuk Prediksi Gagal Jantung,” EVOLUSI J. Sains dan Manaj., vol. 9, no. 2, pp. 43–48, 2021, doi: 10.31294/evolusi.v9i2.11141.
D. P. Utomo and M. Mesran, “Analisis Komparasi Metode Klasifikasi Data Mining dan Reduksi Atribut Pada Data Set Penyakit Jantung,” J. Media Inform. Budidarma, vol. 4, no. 2, p. 437, 2020, doi: 10.30865/mib.v4i2.2080.
Adinda Maharani, Siti Fatimah Muis, Yushila Meyrina, Etisa Adi Murbawani, and Enny Porbasari, “Kesesuaian Antara A.S.P.E.N Malnutrition Guideline (A.S.P.E.N MG) dengan Subjective Global Assesment (SGA) pada Pasien Gagal Jantung Kronik Nyha 3-4,” JNH (Journal Nutr. Heal. , vol. 8, no. 2, pp. 86–99, 2020.
D. Prihatiningsih and T. Sudyasih, “Perawatan Diri Pada Pasien Gagal Jantung,” J. Pendidik. Keperawatan Indones., vol. 4, no. 2, 2018, doi: 10.17509/jpki.v4i2.13443.
Harbanu H Mariyono and A. Santoso, “No GAGAL JANTUNG *Harbanu,” ???????????????????????????????????????, vol. 4, no. 1, pp. 88–100, 2557.
D. Maulana and Rezayadi Yahya, “IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK KLASIFIKASI PENDERITA PENYAKIT JANTUNG DI INDONESIA MENGGUNAKAN RAPID MINER,” ????????, vol. 84, no. 10, pp. 1511–1518, 2019, doi: 10.1134/s0320972519100129.
M. A. Bianto, K. Kusrini, and S. Sudarmawan, “Perancangan Sistem Klasifikasi Penyakit Jantung Mengunakan Naïve Bayes,” Creat. Inf. Technol. J., vol. 6, no. 1, p. 75, 2020, doi: 10.24076/citec.2019v6i1.231.
A. Sepharni, I. E. Hendrawan, and C. Rozikin, “KLASIFIKASI PENYAKIT JANTUNG DENGAN MENGGUNAKAN ALGORITMA C4.5,” vol. 7, no. 2, 2022.
N. G. Ramadhan and A. Khoirunnisa, “Klasifikasi Data Malaria Menggunakan Metode Support Vector Machine,” J. Media Inform. Budidarma, vol. 5, no. 4, p. 1580, 2021, doi: 10.30865/mib.v5i4.3347.
M. Irfan, N. Lukman, A. A. Alfauzi, and J. Jumadi, “Comparison of algorithm Support Vector Machine and C4.5 for identification of pests and diseases in chili plants,” J. Phys. Conf. Ser., vol. 1402, no. 6, 2019, doi: 10.1088/1742-6596/1402/6/066104.
A. Qurotul, E. Tasia, N. Nazira, P. F. Pratama, M. R. Anugrah, and J. Adhiva, “Implementasi Algoritma Naïve Bayes Classifier ( NBC ) untuk Klasifikasi Penyakit Ginjal Kronik,” vol. 4, no. September, pp. 72–76, 2022, doi: 10.30865/json.v4i1.4781.
A. Desiani, M. Akbar, Irmeilyana, and A. Amran, “Implementasi Algoritma Naïve Bayes dan Support Vector Machine ( SVM ) Pada Klasifikasi Penyakit Kardiovaskular,” J. Tek. Elektro dan Komputasi, vol. 4, no. 2, pp. 207–214, 2022.
N. T. Luchia, H. Handayani, F. S. Hamdi, D. Erlangga, and S. Fitri Octavia, “Perbandingan K-Means dan K-Medoids Pada Pengelompokan Data Miskin di Indonesia,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 2, no. 2, pp. 35–41, 2022.
E. Nurlia and U. Enri, “Penerapan Fitur Seleksi Forward Selection Untuk Menentukan Kematian Akibat Gagal Jantung Menggunakan Algoritma C4.5,” J. Tek. Inform. Musirawas) Elin Nurlia, vol. 6, no. 1, p. 42, 2021.
H. Nursita and A. Pratiwi, “Peningkatan Kualitas Hidup Pada Pasien Gagal Jantung: A Narrative Review Article,” J. Ber. Ilmu Keperawatan, vol. 13, no. 1, p. 11, 2020, [Online]. Available: https://doi.org/10.23917/bik.v13i1.11916
A. Ridwan and T. N. Sari, “The comparison of accuracy between naïve bayes clasifier and c4.5 algorithm in classifying toddler nutrition status based on anthropometry index,” J. Phys. Conf. Ser., vol. 1764, no. 1, 2021, doi: 10.1088/1742-6596/1764/1/012047.
M. E. Sulaiman et al., “Analisis Penyebab Banjir di Kota Samarinda,” J. Geogr. Gea, vol. 20, no. 1, pp. 39–43, 2020, doi: 10.17509/gea.v20i1.22021.
H. I. Islam, M. K. Mulyadien, and U. Enri, “Penerapan Algoritma C4.5 dalam Klasifikasi Status Gizi Balita,” Ilm. Wahana Pendidik., vol. 8, no. 10, pp. 116–125, 2022.
N. Sunanto and G. Falah, “Penerapan Algoritma C4.5 Untuk Membuat Model Prediksi Pasien Yang Mengidap Penyakit Diabetes,” Rabit J. Teknol. dan Sist. Inf. Univrab, vol. 7, no. 2, pp. 208–216, 2022, doi: 10.36341/rabit.v7i2.2435.
M. R. Yuliansyah, M. B, and A. Franz, “Perbandingan Metode K-Nearest Neighbors dan Naïve Bayes Classifier Pada Klasifikasi Status Gizi Balita di Puskesmas Muara Jawa Kota Samarinda,” Adopsi Teknol. dan Sist. Informasi(ATASI), vol. 1, no. 1, pp. 8–20, 2022, [Online]. Available: https://e-journals2.unmul.ac.id/index.php/atasi/article/view/25/30
J. Homepage, P. Algoritma Klasifikasi untuk Analisis Sentimen, E. Ditendra, S. Romelah, M. Habil Arsyiddik Tanjung, and M. Sarah, “Perbandingan Algoritma Klasifikasi untuk Analisis Sentimen Islam Nusantara Indonesia,” vol. 2, no. April, pp. 71–77, 2022.
E. Ramon, A. Nazir, N. Novriyanto, Y. Yusra, and L. Oktavia, “Klasifikasi Status Gizi Bayi Posyandu Kecamatan Bangun Purba Menggunakan Algoritma Support Vector Machine (Svm),” J. Sist. Inf. dan Inform., vol. 5, no. 2, pp. 143–150, 2022, doi: 10.47080/simika.v5i2.2185.
C. Chazar and B. Erawan, “Machine Learning Diagnosis Kanker Payudara Menggunakan Algoritma Support Vector Machine,” Inf. (Jurnal Inform. dan Sist. Informasi), vol. 12, no. 1, pp. 67–80, 2020, doi: 10.37424/informasi.v12i1.48.
F. Akbar, H. Wira Saputra, A. Karel Maulaya, M. Fikri Hidayat, and Rahmaddeni, “Implementasi Algoritma Decision Tree C4.5 dan Support Vector Regression untuk Prediksi Penyakit Stroke,” vol. 2, no. October, pp. 61–67, 2022.
