PERBANDINGAN ALGORITMA C4.5 DAN NAIVE BAYES DALAM MENDETEKSI HIPERTENSI DI PUSKESMAS BANYUBIRU
DOI:
https://doi.org/10.35473/jamastika.v2i1.1937Abstract
Hipertensi menjadi penyebab kematian nomor 1 di dunia setiap tahunnya karena merupakan pintu masuk penyakit lain, seperti : jantung, gagal ginjal, diabetes, dan stroke (Direktur Pencegahan dan Pengendalian Penyakit Tidak Menular (PPTM) Kemenkes RI, dr. Cut Putri Ariane, M.H.Kes.). Tujuan dari penelitian ini adalah mencari metode terbaik dalam mendeteksi penyakit hipertensi. Dalam penelitian ini, penulis menggunakan metode C4.5 dan Naive Bayes. Hasil penelitian menunjukan bahwa model C4.5 memiliki akurasi yang lebih baik dengan 74,00 % dibandingkan model Naive Bayes dengan akurasi 67,00 %. Kesimpulan penelitian ini adalah penerapan algoritma C4.5 sebagai metode terbaik dalam mendeteksi hipertensi terkendali dan tak terkendali di Puskesmas Banyubiru.
Â
Kata Kunci : Hipertensi, C4.5, dan Naive Bayes, Puskesmas Banyubiru.
Hypertension is the number 1 cause of death in the world every year because it is the entrance to other diseases, such as: heart, kidney failure, diabetes, and stroke (Director of Prevention and Control of Non-Communicable Diseases (PPTM) of the Indonesian Ministry of Health, dr. Cut Putri Ariane, M.H.Kes .). The purpose of this study was to find the best method for detecting hypertension. In this study, the authors used the C4.5 and Naive Bayes methods. The results showed that the C4.5 model has a better accuracy of 74.00% than the Naive Bayes model with an accuracy of 67.00%. The conclusion of this study is the application of the C4.5 algorithm as the best method for detecting controlled and uncontrolled hypertension at the Banyubiru Health Center.
Keywords: Hypertension, C4.5, and Naive Bayes, Banyubiru Health Center.
References
Intermedia, Beon, 2020, Data Mining: Definisi, Fungsi, Metode dan Penerapannya.
Vidiastanta, I.G., Hidayat, N., dan Dewi, R.K., 2020, Komparasi Metode K-Nearest Neighbor (K-NN) Dengan Support Vector Machine (SVM) Untuk Klasifikasi Status Hipertensi.
Vidiastanta, I.G., Hidayat, N., dan Dewi, R.K., 2020, Komparasi Metode K-Nearest Neighbor (K-NN) Dengan Support Vector Machine (SVM) Untuk Klasifikasi Status Kualitas Air, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, No. 1, Vol .4, 312-319.
https://puspitasulistyorini.blogspot.com/2020/12/uptd-puskesmas-banyubiru-kabupaten.html
Intermedia, Beon, 2020, Data Mining: Definisi, Fungsi, Metode dan Penerapannya,
https://ww.jagoanhosting.com/blog/apa-itu-data-mining/, diakses tgl 2 maret 2022.
Henny, Chandra, 2021, Data Preprocessing adalah/ pengertian, Tahapan Kerja dan Manfaatnya,
https://id.linkedin.com/pulse/data-preprocessing-adalah-pengertian-tahapankerja-dan-chandra-henny, diakses tgl 2 maret 2022.
Nugroho, Kuncahyo Setyo, 2019, Confusion Matrix untuk Evaluasi Model pada Supervised Learning,
https://ksnugroho.medium.com/confusion-matrix-untuk-evaluasi-model-padaunsupervised-machine-learning-bc4b1ae9ae3f, diakses tgl 2 maret 2022.
