Email this article Implementasi Algoritma CART dan Naïve Bayes Untuk Mendeteksi Penyakit Stroke
Abstract
Penyakit stroke merupakan penyakit pembuluh darah yang disebabkan oleh kurangnya sirkulasi oksigen dan darah ke otak sehingga menyebabkan kerusakan pada jaringan otak. Stroke dapat menyebarkan perubahan pada fungsi dan fisiologi anatomi yang letaknya jauh dari kerusakan. Penyakit stroke merupakan penyakit penyebab utama kematian setelah penyakit jantung sehingga diperlukan suatu system untuk mendeteksi penyakit stroke sebagai bentuk pencegahan dini agar tidak terserang penyakit stroke. Sistem deteksi menggunakan kecerdasan buatan dengan teknik klasifikasi. Klasifikasi telah digunakan oleh para peneliti untuk mendeteksi penyakit dengan hasil yang memuaskan. Pada penelitian ini menggunakan teknik klasifikasi menggunakan algoritma CART (Clasiification and Regression Tree) dan algoritma Naïve Bayes. Penelitian ini membagi data menggunakan persentase split sebesar 90% data latih dan sisanya berupa data uji dengan dataset dari Kaggle. Berdasarkan penggunaan kedua algoritma dalam mendeteksi penyakit stroke, algoritma CART menghasilkan akurasi sebesar 95.57% sedangkan naïve bayes memiliki akurasi sebesar 85%. Pada sisi presisi model rata-rata yang dihasilkan oleh algoritma CART yaitu 88% sedangkan naïve bayes memiliki presisi 66%. Recall rata-rata yang dihasilkan oleh algoritma CART yaitu 61% sedangkan naïve bayes memiliki recall sebesar 58%. Dari perbandingan antara akurasi, presisi, dan recall yang dihasilkan algoritma CART dan Naïve bayes dapat disimpulkan jika algoritma CART sangat baik dalam mendeteksi penyakit stroke secara dini.
Keywords
Full Text:
PDFReferences
A. Towfighi and J. L. Saver, “Stroke declines from third to fourth leading cause of death in the United States: Historical perspective and challenges ahead,” Stroke, vol. 42, no. 8, pp. 2351–2355, 2011, doi: 10.1161/STROKEAHA.111.621904.
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,” J. Eksponensial, vol. 10, no. 2, pp. 135–142, 2019, [Online]. Available: http://jurnal.fmipa.unmul.ac.id/index.php/exponensial/article/view/571
G. C. Araujo et al., “Profiles of Executive Function Across Children with Distinct Brain Disorders: Traumatic Brain Injury, Stroke, and Brain Tumor,” J. Int. Neuropsychol. Soc., vol. 23, no. 7, pp. 529–538, 2017, doi: 10.1017/S1355617717000364.
C. D. A. Wolfe, “The impact of stroke,” British Medical Bulletin, vol. 56, no. 2, pp. 275–286, 2000. doi: 10.1258/0007142001903120.
A. Byna and M. Basit, “Penerapan Metode Adaboost Untuk Mengoptimasi Prediksi Penyakit Stroke Dengan Algoritma Naïve Bayes,” J. Sisfokom (Sistem Inf. dan Komputer), vol. 9, no. 3, pp. 407–411, 2020, doi: 10.32736/sisfokom.v9i3.1023.
W. Riyadina and E. Rahajeng, “Determinan Penyakit Stroke,” Kesmas Natl. Public Heal. J., vol. 7, no. 7, p. 324, 2013, doi: 10.21109/kesmas.v7i7.31.
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.
D. Jain and V. Singh, “Feature selection and classification systems for chronic disease prediction: A review,” Egypt. Informatics J., vol. 19, no. 3, pp. 179–189, 2018, doi: 10.1016/j.eij.2018.03.002.
O. Almadani and R. Alshammari, “Prediction of stroke using data mining classification techniques,” Int. J. Adv. Comput. Sci. Appl., vol. 9, no. 1, pp. 457–460, 2018, doi: 10.14569/IJACSA.2018.090163.
Indarto, E. Utami, and S. Raharjo, “Mortality Prediction Using Data Mining Classification Techniques in Patients with Hemorrhagic Stroke,” 2020 8th Int. Conf. Cyber IT Serv. Manag. CITSM 2020, 2020, doi: 10.1109/CITSM50537.2020.9268802.
G. Sailasya and G. L. A. Kumari, “Analyzing the Performance of Stroke Prediction using ML Classification Algorithms,” Int. J. Adv. Comput. Sci. Appl., vol. 12, no. 6, pp. 539–545, 2021, doi: 10.14569/IJACSA.2021.0120662.
X. Li, D. Bian, J. Yu, H. Mao, M. Li, and D. Zhao, “Using Machine Learning Models To Improve Stroke Risk Level Classification Methods of China National Stroke Screening,” Proc. Annu. Int. Conf. IEEE Eng. Med. Biol. Soc. EMBS, vol. 2, pp. 1386–1390, 2019, doi: 10.1109/EMBC.2019.8857657.
S. Kalmegh, “Analysis of WEKA Data Mining Algorithm REPTree , Simple Cart and RandomTree for Classification of Indian News,” Int. J. Innov. Sci. Eng. Technol., vol. 2, no. 2, pp. 438–446, 2015.
M. Fatima and M. Pasha, “Survey of Machine Learning Algorithms for Disease Diagnostic,” J. Intell. Learn. Syst. Appl., vol. 09, no. 01, pp. 1–16, 2017, doi: 10.4236/jilsa.2017.91001.
P. G. Sonia Singh, “Comparative Study ID3,CART AND C4.5 Decision Tree Algorithm,” Int. J. Adv. Inf. Sci. Technol., vol. 27, no. 27, p. 98, 2014.
M. M. Saritas and A. Yasar, “Performance Analysis of ANN and Naive Bayes Classification Algorithm for Data Classification,” Int. J. Intell. Syst. Appl. Eng., vol. 7, no. 2, pp. 88–91, 2019, doi: 10.1039/b000000x.
L. Dey, S. Chakraborty, A. Biswas, B. Bose, and S. Tiwari, “Sentiment Analysis of Review Datasets Using Naïve Bayes‘ and K-NN Classifier,” Int. J. Inf. Eng. Electron. Bus., vol. 8, no. 4, pp. 54–62, 2016, doi: 10.5815/ijieeb.2016.04.07.
D. Vijayarani, “Liver Disease Prediction using SVM and Naïve Bayes Algorithms,” Int. J. Sci. Eng. Technol. Res., vol. 4, no. 4, pp. 816–820, 2015.
K. Fatmawati and A. P. Windarto, “Data Mining: Penerapan Rapidminer Dengan K-Means Cluster Pada Daerah Terjangkit Demam Berdarah Dengue (Dbd) Berdasarkan Provinsi,” Comput. Eng. Sci. Syst. J., vol. 3, no. 2, p. 173, 2018, doi: 10.24114/cess.v3i2.9661.
D. Ratnasari, A. Mughni, E. Yudhanto, and S. Budijitno, Perbedaan Derajat Diferensiasi Adenokarsinoma Kolorektal Pada Golongan Usia Muda, Baya, Dan Tua Di Rsup Dr.Kariadi Semarang, vol. 1, no. 1. 2012.
T. Rismawan and D. S. Kusumadewi, “Aplikasi K-Means Untuk Pengelompokkan Mahasiswa Berdasarkan Nilai Body Mass Index (Bmi) & Ukuran Kerangka,” Semin. Nas. Apl. Teknol. Inf., vol. 21, no. 01, pp. 1907–5022, 2008.
S. Monalisa and F. Hadi, “Penerapan Algoritma CART Dalam Menentukan Jurusan Siswa di MAN 1 Inhil,” J. Sisfokom (Sistem Inf. dan Komputer), vol. 9, no. 3, pp. 387–394, 2020, doi: 10.32736/sisfokom.v9i3.932.
N.- Insan, M. Hadijati, and I. Irwansyah, “Perbandingan Metode Classification and Regression Trees (CART) dengan Naïve Bayes Classification (NBC) dalam Klasifikasi Status Gizi Balita di Kelurahan Pagesangan Barat,” Eig. Math. J., vol. 1, no. 2, p. 9, 2020, doi: 10.29303/emj.v1i2.68.
J. Suntoro, Data Mining : Algoritma dan Implementasi dengan Pemrograman PHP. Jakarta: Elex Media Komputindo, 2019.
M. Guntur, J. Santony, and Y. Yuhandri, “Prediksi Harga Emas dengan Menggunakan Metode Naïve Bayes dalam Investasi untuk Meminimalisasi Resiko,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 2, no. 1, pp. 354–360, 2018, doi: 10.29207/resti.v2i1.276.
Y. I. Kurniawan, “Perbandingan Algoritma Naive Bayes dan C.45 dalam Klasifikasi Data Mining,” J. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 4, p. 455, 2018, doi: 10.25126/jtiik.201854803.
Dwi Untari, K. Hastuti, E. Y. Hidayat, Dwi Untari, N. Limão, and N. Y. L. Gaol, “Data Mining untuk Menganalisa Prediksi Mahasiswa Berpotensi Non-Aktif Menggunaka Metode Decision Tree C4.5,” Fak. Ilmu Komput. Univ. Dian Nuswantoro, vol. 2013, no. November, pp. 31–48, 2010.
J. Susilo, T. Pujiatna, and S. Firmasari, “Pembinaan Tata Bahasa dan Bentuk Surat-Menyurat Indonesia Berbasis Microsoft di Desa Mandala, Dukupuntang Kabupaten Cirebon,” JPPM (Jurnal Pengabdi. dan Pemberdaya. Masyarakat), vol. 4, no. 1, p. 173, 2020, doi: 10.30595/jppm.v0i0.5498.
M. R. A. Nasution and M. Hayaty, “Perbandingan Akurasi dan Waktu Proses Algoritma K-NN dan SVM dalam Analisis Sentimen Twitter,” J. Inform., vol. 6, no. 2, pp. 226–235, 2019, doi: 10.31311/ji.v6i2.5129.
N. D. Saputri, “Komparasi Penerapanmetode Bagging Dan Adaboostpada Algoritma C4.5 Untuk Prediksi Penyakit Stroke,” 2021.
DOI: http://dx.doi.org/10.22441/incomtech.v16i1.20209
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
Publisher Address:
Magister Teknik Elektro, Universitas Mercu Buana
Jl. Meruya Selatan 1, Jakarta 11650
Phone (021) 31935454/ 31934474
Fax (021) 31934474
Email: [email protected]
Website of Master Program in Electrical Engineering
http://mte.pasca.mercubuana.ac.id
pISSN: 2085-4811
eISSN: 2579-6089
Jurnal URL: http://publikasi.mercubuana.ac.id/index.php/Incomtech
Jurnal DOI: 10.22441/incomtech
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional
The Journal is Indexed and Journal List Title by:
