PERBANDINGAN ALGORITMA KLASIFIKASI DALAM PENGKLASIFIKASIAN DATA PENYAKIT JANTUNG KORONER
PERBANDINGAN ALGORITMA
KLASIFIKASI DALAM PENGKLASIFIKASIAN DATA PENYAKIT JANTUNG KORONER
1Ardea Bagas Wibisono, 2Achmad Fahrurozi
1,2Fakultas Teknologi Industri
Universitas Gunadarma
Jl. Margonda Raya No. 100,
Depok 16424, Jawa Barat
ABSTRAK
Penyakit Jantung Koroner (PJK) menjadi penyebab kematian tertinggi pada
semua umur setelah stroke. Hal ini mendorong banyak penelitian terhadap
penyakit jantung koroner, salah satunya menggunakan metode berbasis komputer.
Pengolahan data dalam jumlah besar dapat dilakukan dengan klasifikasi
menggunakan algoritma tertentu sehingga hasilnya cepat dan akurat. Metode
klasifikasi yang umum digunakan antara lain Naïve Bayes, K-Nearest Neighbor,
Decision Tree dan Random Forest. Metode
Naïve Bayes menggunakan probabilitas disetiap data, metode K-Nearest
Neighbor menggunakan perhitungan jarak, metode Decision Tree menggunakan pohon
keputusan, sedangkan metode Random Forest menggunakan beberapa pohon keputusan
yang disatukan. Penelitian ini bertujuan untuk membandingkan keempat algoritma
tersebut dalam mengklasifikasikan data penyakit jantung koroner. Perbandingan
algoritma akan dilihat berdasarkan performance measure yang terdiri dari
tingkatan akurasi, recall disetiap kelas, dan presisi disetiap kelas. Pada
setiap algoritma diuji menggunakan cross validation. Berdasarkan hasil
perbandingan terhadap 300 dataset penyakit jantung koroner, algoritma Random
Forest lebih baik dan optimal dibanding dengan Algoritma Naïve Bayes, K-Nearest
Neighbor, dan Decision Tree untuk mengklasifikasikan penyakit jantung koroner.
Hasil klasifikasi dengan algoritma Random Forest memiliki rerata tingkat
akurasi sebesar 85,668 % dengan recall kelas ’1’ adalah 89 %, recall kelas ’0’
adalah 83,6%, presisi kelas ’1’ adalah 85%, dan presisi kelas ’0’ adalah
85,8%.
Kata kunci: Klasifikasi, Machine Learning, Penyakit Jantung Koroner
Sumber: Jurnal Ilmiah Teknologi dan Rekayasa, Vol 24, No 3 (2019)
Komentar
Posting Komentar