Perbandingan Algoritma Klasifikasi C4.5 Dan Naive Bayes Untuk Memprediksi Gagal Jantung
Comparison of C4.5 and Naive Bayes Classification Algorithms for Predicting Heart Failure
Keywords:
Gagal Jantung, Klasifikasi, Decision Tree, C4.5, Naïve BayesAbstract
Cardiovascular disease is a non-communicable disease which is the number one cause of death every year. One of the cardiovascular diseases with increasing incidence and prevalence is heart failure. Heart failure is a complex clinical syndrome characterized by a decrease in the heart's ability to pump blood to meet the body's need for oxygen. Classification is one of the techniques of data mining that can be used in the prediction process. Classification can be processed using a Decision Tree, namely the C4.5 and Naive Bayes algorithms. This study aims to classify and apply data mining classification. The results of data classification were evaluated using the Confusion Matrix and the ROC curve to determine the level of accuracy using the Decision Tree C4.5 algorithm which was 86.78% and the AUC value was 0.867, while the accuracy value for Naive Bayes was 89.18% with the AUC value being 0.947. so it can be said that the Naive Bayes algorithm has good predictive results in predicting heart failure in a person.
References
-1923-4-PB. (n.d.).
Agustina, C. (2019). Analisa Nasabah Potensial Tabungan Deposito Berjangka Menggunakan Teknik Klasifikasi Data Mining. Jurnal Teknologi Informasi Dan Terapan, 5(2), 105–112. https://doi.org/10.25047/jtit.v5i2.88
Aji Prasetya Wibawa, Muhammad Guntur Aji Purnama, Muhammad Fathony Akbar, F. A. D. (2018). Metode-metode Klasifikasi. Prosiding Seminar Ilmu Komputer Dan Teknologi Informasi, 3(1), 134.
Cahya Putri Buani, D. (2021). Penerapan Algoritma Naïve Bayes dengan Seleksi Fitur Algoritma Genetika Untuk Prediksi Gagal Jantung. EVOLUSI?: Jurnal Sains Dan Manajemen, 9(2), 43–48. https://doi.org/10.31294/evolusi.v9i2.11141
Fatmawati. (2016). Perbandingan Algoritma Klasifikasi Data Mining Model C4.5 Dan Naive Bayes Untuk Prediksi Penyakit Diabetes. Jurnal Techno Nusa Mandiri, XIII(1), 50.
Firdaus, D. (2017). Penggunaan Data mining dalam kegiatan pembelajaran. 6(2), 91–97.
Gagal, P., Di, J., & Mangusada, R. S. D. (2020). ISSN 2089-4503 (cetak). 8487(1), 39–47.
Girsang, R., Ginting, E. F., & Hutasuhut, M. (2022). Penerapan Algoritma C4.5 Pada Penentuan Penerima Program Bantuan Pemerintah Daerah. Jurnal Sistem Informasi Triguna Dharma (JURSI TGD), 1(4), 449. https://doi.org/10.53513/jursi.v1i4.5727
Lalo, A. K., Batarius, P., & Siki, Y. C. H. (2021). Implementasi Algoritma C4.5 Untuk Klasifikasi Penjualan Barang di Swalayan Dutalia. Jurnal Teknik Informatika UNIKA Santo Thomas, March 2022, 1–12. https://doi.org/10.54367/jtiust.v6i1.1089
Novika, T., Poningsih, P., Okprana, H., Windarto, A. P., & Siahaan, H. (2021). Penerapan Data Mining Klasifikasi Tingkat Pemahaman Siswa Pada Pelajaran Matematika. Jurnal Media Informatika Budidarma, 5(1), 9. https://doi.org/10.30865/mib.v5i1.2498
Prihatiningsih, D., & Sudyasih, T. (2018). Perawatan Diri Pada Pasien Gagal Jantung. Jurnal Pendidikan Keperawatan Indonesia, 4(2). https://doi.org/10.17509/jpki.v4i2.13443
Rohman, A., & Rochcham, M. (2018). Model Algoritma C4.5 Untuk Prediksi Penyakit Jantung. Neo Teknika, 4(2), 52–55. https://doi.org/10.37760/neoteknika.v4i2.1228
Saida, S., Haryati, H., & Rangki, L. (2020). Kualitas Hidup Penderita Gagal Jantung Kongestif Berdasarkan Derajat Kemampuan Fisik dan Durasi Penyakit. Faletehan Health Journal, 7(02), 70–76. https://doi.org/10.33746/fhj.v7i02.134
Setiyani, L., Wahidin, M., Awaludin, D., & Purwani, S. (2020). Analisis Prediksi Kelulusan Mahasiswa Tepat Waktu Menggunakan Metode Data Mining Naïve Bayes?: Systematic Review. Faktor Exacta, 13(1), 35. https://doi.org/10.30998/faktorexacta.v13i1.5548
Sistem Informasi STMIK Nusa Mandiri Jakarta Jl Damai No, F., Jati Barat, W., & Selatan, J. (2016). PERBANDINGAN ALGORITMA KLASIFIKASI DATA MINING MODEL C4.5 DAN NAIVE BAYES UNTUK PREDIKSI PENYAKIT DIABETES. Jurnal Techno Nusa Mandiri, XIII(1), 50.
Suparyanto dan Rosad (2015. (2020). ??No Title No Title No Title. Suparyanto Dan Rosad (2015, 5(3), 248–253.
Wijaya, H. D., & Dwiasnati, S. (2020a). Implementasi Data Mining dengan Algoritma Naïve Bayes pada Penjualan Obat. Jurnal Informatika, 7(1), 1–7. https://doi.org/10.31311/ji.v7i1.6203
Wijaya, H. D., & Dwiasnati, S. (2020b). Implementasi Data Mining dengan Algoritma Naïve Bayes pada Penjualan Obat. Jurnal Informatika, 7(1), 1–7. https://doi.org/10.31311/ji.v7i1.6203
Yulita, W., Dwi Nugroho, E., Habib Algifari, M., Studi Teknik Informatika, P., Teknologi Sumatera, I., Terusan Ryacudu, J., Huwi, W., Agung, J., & Selatan, L. (2021). Analisis Sentimen Terhadap Opini Masyarakat Tentang Vaksin Covid-19 Menggunakan Algoritma Naïve Bayes Classifier. Jdmsi, 2(2), 1–9.
