Klasifikasi Penyakit Kardiovaskular Menggunakan Algoritma Decision Tree C4.5
Abstract
Berdasarkan data yang diperoleh dari Kemenkes RI, kardiovaskular merupakan salah satu penyebab kematian tertinggi di Indonesia. Teknik Data Mining telah digunakan dalam beberapa penelitian di bidang akademik. Penelitian ini bertujuan untuk mengkategorikan penyakit kardiovaskular dan menganalisis hasil akurasi dari algoritman decision tree C4.5. Dataset penyakit kardiovaskular yang digunakan terdiri atas 2 kategori yaitu ada atau tidaknya penyakit kardiovaskular. Setelah data terkumpul, dilakukan preprocessing. Tahapan selanjutnya yaitu memisahkan data training dan data testing. Adapun algoritma yang digunakan untuk klasifikasi adalah decision tree. Setelah itu akan dilakukan evaluasi terhadap hasil klasifikasi untuk mendapatkan nilai akurasi, dan hasil tersebut akan dianalisis untuk menentukan kelayakan model klasifikasi. Berdasarkan hasil penelitian, algoritma decision tree dapat mengklasifikasi penyakit kardiovaskular dengan baik dan memperoleh akurasi tertinggi sebesar 63,62% pada kombinasi data testing dan training sebasar 70:30.
Keywords
Full Text:
PDFReferences
A. A. Mutezar and Umniy Salamah, “Pengembangan Sistem Manajemen Event Pameran Karya Mahasiswa Menggunakan Metode Extreme Programming,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 4, pp. 809–819, 2021, doi: 10.29207/resti.v5i4.3249.
S. Rahayu, A. Nugroho, E. D. Putra, M. Purba, and H. Setiawan, “Komparasi Hasil Color Feature Extraction HSV , LAB dan YCrCb pda Algoritma SVM untuk Klasifikasi Spesies Burung,” JSAI J. Sci. Appl. Informatics, vol. 06, no. 03, pp. 482–487, 2023.
A. Muzakir and R. A. Wulandari, “Model Data Mining sebagai Prediksi Penyakit Hipertensi Kehamilan dengan Teknik Decision Tree,” Sci. J. Informatics, vol. 3, no. 1, pp. 19–26, 2016.
V. S. K. Reddy, P. Meghana, N. V. S. Reddy, and B. A. Rao, “Prediction on Cardiovascular disease using Decision tree and Naïve Bayes classifiers,” in 1st International Conference on Artificial Intelligence, Computational Electronics and Communication System (AICECS 2021), Manipal, 2022, pp. 1–7. doi: 10.1088/1742-6596/2161/1/012015.
C. J. McAloon et al., “The changing face of cardiovascular disease 2000–2012: An analysis of the world health organisation global health estimates data,” Int. J. Cardiol., vol. 224, pp. 256–264, 2016, doi: 10.1016/j.ijcard.2016.09.026.
Humas Fakultas Kedokteran Universitas Brawijaya, “World Heart Day 2023: Use Heart Know Heart,” Prasetya Online. Accessed: Sep. 08, 2024. [Online]. Available: https://prasetya.ub.ac.id/world-heart-day-2023-use-heart-know-heart/
G. Setiawan and M. Christiany Halim, “Pengaruh Asam Lemak Omega-3 terhadap Penyakit Kardiovaskular,” Contin. Prof. Dev., vol. 49, no. 3, pp. 160–163, 2022.
E. Faizal, “Case Based Reasoning Diagnosis Penyakit Cardiovascular Dengan Metode Simple Matching Coefficient Similarity,” J. Teknol. Inf. dan Ilmu Komput., vol. 1, no. 2, p. 83, 2014, doi: 10.25126/jtiik.201412116.
Endang S Kresnawati, Yulia Resti, Bambang Suprihatin, M. Rendy Kurniawan, and Widya Ayu Amanda, “Coronary Artery Disease Prediction Using Decision Trees and Multinomial Naïve Bayes with k-Fold Cross Validation,” Inomatika, vol. 3, no. 2, pp. 174–189, 2021, doi: 10.35438/inomatika.v3i2.266.
P. Mallioris, E. Diamantis, C. Bialas, and D. Bechtsis, “Predictive maintenance framework for assessing health state of centrifugal pumps,” IAES Int. J. Artif. Intell., vol. 13, no. 1, pp. 850–862, 2024, doi: 10.11591/ijai.v13.i1.pp850-862.
B. Priambodo et al., “Predicting Employee Turnover in IT Industries using Correlation and Chi-Square Visualization,” Int. J. Adv. Comput. Sci. Appl., vol. 13, no. 12, pp. 71–75, 2022.
H. Li et al., “Prediction of the Vanadium Content of Molten Iron in a Blast Furnace and the Optimization of Vanadium Extraction,” Separations, vol. 10, no. 10, 2023, doi: 10.3390/separations10100521.
M. M. J. Samodro, M. K. Biddinika, and A. Fadlil, “Klasifikasi Penyakit Diabetes dengan Algoritma Decision Tree dan Naïve Bayes,” Resist. (Elektronika Kendali Telekomun. Tenaga List. Komputer) Vol., vol. 6, no. 2, pp. 113–118, 2023.
A. Arista, “Comparison Decision Tree and Logistic Regression Machine Learning Classification Algorithms to determine Covid-19,” Sinkron, vol. 7, no. 1, pp. 59–65, 2022, doi: 10.33395/sinkron.v7i1.11243.
A. Nugroho, H. L. H. S. Warnars, F. L. Gaol, and T. Matsuo, “Trend of Stunting Weight for Infants and Toddlers Using Decision Tree,” IAENG Int. J. Appl. Math., vol. 52, no. 1, 2022.
J. J. Purnama, H. M. Nawawi, S. Rosyida, Ridwansyah, and Risandar, “Klasifikasi Mahasiswa HER Berbasis Algoritma SVM dan Decision Tree,” J. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 6, pp. 1253–1260, 2020, doi: 10.25126/jtiik.202073080.
T. Setiyorini and R. T. Asmono, “Komparasi Metode Decision Tree, Naive Bayes Dan K-Nearest Neighbor Pada Klasifikasi Kinerja Siswa,” J. Techno Nusa Mandiri, vol. 15, no. 2, p. 85, 2018, doi: 10.33480/techno.v15i2.889.
Nurfitrayani, Islamiyah, and A. P. A. Masa, “Penerapan Klasifikasi Algoritma C4.5 Dan Algoritma C5.0 Untuk Mengetahui Tingkat Kepuasan Mahasiswa Terhadap Website Sistem Informasi Terpadu Layanan Program Studi (SIPLO),” J. Media Inform. Budidarma, vol. 7, pp. 1877–1887, 2023, doi: 10.30865/mib.v7i4.6433.
V. P. Prasetyo, M. F. A. Ulin Nuha, M. H. Hakiki, R. A. Vinarti, and A. Djunaidy, “Comparison of Data Mining Techniques on Stroke Clinical Dataset,” Procedia Comput. Sci., vol. 234, pp. 502–511, 2024, doi: 10.1016/j.procs.2024.03.033.
S. Ulianova, “Cardiovascular Disease dataset,” kaggle. Accessed: Dec. 01, 2023. [Online]. Available: https://www.kaggle.com/datasets/sulianova/cardiovascular-disease-dataset/data
DOI: http://dx.doi.org/10.22441/fifo.2025.v17i1.001
Refbacks
- There are currently no refbacks.
Jurnal Ilmiah FIFO
![]() |
Print ISSN: 2085-4315 |
---|---|
Online ISSN: 2502-8332 |
Sekretariat
Fakultas Ilmu Komputer
Universitas Mercu Buana
Jl. Raya Meruya Selatan, Kembangan, Jakarta 11650
Tlp./Fax: +62215871335
http://publikasi.mercubuana.ac.id/index.php/fifo
e-mail:[email protected]
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.