Implementasi Analisa Penyakit Jantung Menggunakan Naïve Bayes
Abstract
Penyakit jantung adalah suatu penyebab utama kematian di dunia. Deteksi dini dapat membantu mengurangi angka mortalitas yang tinggi akibat penyakit ini. Dalam penelitian ini, algoritma Naive Bayes digunakan untuk menganalisis data medis dan memprediksi kemungkinan penyakit jantung. Dataset yag digunakan adalah Cleveland Heart Disease Dataset, yang berisi fitur-fitur medis penting. Hasil menunjukkan bahwa model Naive bayes mampu mencapai akurasi prediksi hingga 81%, menjadi metode yang efektif untuk analisa penyakit jantung.
Kata Kunci: Penyakit Jantung, Naive Bayes, Data Mining, Prediksi, analisa Data
Heart disease is a leading cause of death in the world. Early detection can help reduce the high mortality rate due to this disease. In this study, the Naive Bayes algorithm was used to analyze medical data and predict the likelihood of heart disease. The dataset used is the Cleveland Heart Disease Dataset, which contains important medical features. The results show that the Naive Bayes model is able to achieve prediction accuracy of up to 81%, becoming an effective method for analyzing heart disease.
Keywords: Heart Disease, Naïve Bayes, Data Mining, Prediction, Data Analysis
References
Atthohiroh, A., Ayu, R. and Maharani, S. (2023) ‘Penerapan Metode Naive Bayes Untuk Memprediksi Penyakit Jantung’, Jurnal Teknisi, 3(1), p. 8. Available at: https://doi.org/10.54314/teknisi.v3i1.1252.
Ayub, M. (no date) ‘Proses Data Mining dalam Sistem Pembelajaran Berbantuan Komputer’, pp. 21–30.
Dodi Nofri Yoliad (2023) ‘Data mining Dalam Analisis Tingkat Penjualan Barang ElektronikMenggunakan Algoritma K-means’, Insearch (Information System Research) Journal, 3(1).
Egziabher, T.B.G. and Edwards, S. (2017) ‘The Policy Implementation’, Africa’s Potential for the Ecological iIensification of Agriculture, 53(9), pp. 1689–1699.
Gobel, F.A. and Mahkota, R. (2006) ‘Faktor-faktor yang Mempengaruhi Kematian Pasien Penyakit Jantung Koroner di Pusat Jantung Nasional Harapan Kita Tahun 2004’, Kesmas: National Public Health Journal, 1(3), p. 99. Available at: https://doi.org/10.21109/kesmas.v1i3.303.
Hirwono, B., Hermawan, A. and Avianto, D. (2023) ‘Implementasi Metode Naïve Bayes untuk Klasifikasi Penderita Penyakit Jantung’, Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi), 7(3), pp. 450–457. Available at: https://doi.org/10.35870/jtik.v7i3.910.
Riany, A.F. and Testiana, G. (2023) ‘Penerapan Data Mining untuk Klasifikasi Penyakit Jantung Koroner Menggunakan Algoritma Naïve Bayes’, MDP Student Conference, 2(1), pp. 297–305. Available at: https://doi.org/10.35957/mdp-sc.v2i1.4388.
Tempola, firman (2020) ‘Implementasi Metode Naive Bayes Untuk Memprediksi Resiko Penyakit Jantung’, Patria Artha Technological Journal, 4(2), pp. 66–70. Available at: https://doi.org/10.33857/patj.v4i2.351.
Yogianto, A., Homaidi, A. and Fatah, Z. (2024) ‘Implementasi Metode K-Nearest Neighbors (KNN) untuk Klasifikasi Penyakit Jantung’, G-Tech: Jurnal Teknologi Terapan, 8(3), pp. 1720–1728. Available at: https://doi.org/10.33379/gtech.v8i3.4495.
