PENERAPAN METODE NAIVE BAYES UNTUK MEMPREDIKSI PENYAKIT JANTUNG
DOI:
https://doi.org/10.54314/teknisi.v3i1.1252Abstrak
The heart is one of the human organs that has an important function to circulate blood throughout the body. In caring for the human heart, one must know how to take care of the heart and check the health conditions of the heart regularly and do it early in order to avoid dangerous diseases that attack the heart. In this study, a heart disease diagnostic examination was carried out using machine learning with the Naïve Bayes method. The criteria used in predicting heart disease with Naïve Bayes in this study were gender, BP (pneumonia), Cholesterol (cholesterol), and Maxhr. The purpose of using Naive Bayes in this study is to predict using simple probabilities based on the application of Bayes' rules. In this study, Naive Bayes produced a Precision value for heart disease of 87% and for those without 75%, a recall value for those with heart disease 81% and those without heart disease 82%, support values for those with heart disease 84% and those who do not. 78%.
Keywords: machine learning, naïve bayes, jantung
Jantung merupakan salah satu organ manusia yang memiliki fungsi penting untuk mengalirkan darah keseluruh tubuh. Dalam merawat jantung manusia harus mengetahui cara menjaga jantung dan memeriksa kondisi kesehatan jantung secara berkala dan dilakukan sejak dini guna menghindari penyakit berbahaya menyerang jantung. Pada penelitian ini dilakukan pemeriksaan diagnosa penyakt jantung menggunakan machine learning dengan metode Naïve Bayes. Kriteria yang digunakan dalam memprediksi penyakit jantung dengan Naïve Bayes dalam penelitian ini yaitu gender(jenis kelamin), BP(radang paru-paru), Cholesterol(kolestrol), dan Maxhr. Tujuannya penggunaan Naive bayes dalam penelitian ini untuk memprediksi menggunakan probabilitas sederhana berdasarkan pada penerapan aturan bayes. Pada penelitian ini naive Bayes menghasilkan nilai Precision untuk penyakit jantung 87% dan untuk yang tidak 75%, nilai recall untuk yang terkena penyakit jantung 81% dan yang tidak terkena penyakit jantung 82%, nilai support untuk yang terkena penyakit jantung 84% dan yang tidak 78% .
Kata Kunci: machine learning, naïve bayes, jantung
Referensi
Anggara, Bayu, and R M Nasrul Halim D, ‘Penerapan Data Mining Rumah Sakit Umum Prabumulih Menggunakan Algoritma Naive Bayes ( Study Kasus : Penyakit Jantung )’, 209–20
Depari, Deo Haganta, Yuni Widiastiwi, Mayanda Mega Santoni, Fakultas Ilmu Komputer, Universitas Pembangunan, Nasional Veteran, and others, ‘Perbandingan Model Decision Tree , Naive Bayes Dan Random Forest Untuk Prediksi Klasifikasi Penyakit Jantung’, 4221 (2022), 239–48
Hafiz, Dimsyiar M Al, Khoirul Amaly, Javen Jonathan, and M Teranggono Rachmatullah, ‘Sistem Prediksi Penyakit Jantung Menggunakan Metode Naive Bayes’, 2.2, 151–57
Informatika, Jurnal, Dan Rekayasa, Komputer Jakakom, Rdm Fiqriansyah, Farchan Akbar, Virginia Casanova Andiko, and others, ‘Penerapan Algoritma Naïve Bayes Untuk Mengetahui Pasien Penyakit Gagal Jantung Jurnal Informatika Dan Rekayasa Komputer ( JAKAKOM )’, 2.September (2022)
Journal, Citec, Mufti Ari Bianto, Magister Teknik Informatika, and Universitas Amikom Yogayakarta, ‘Perancangan Sistem Klasifikasi Penyakit Jantung Mengunakan Naïve Bayes’, 6.1 (2019)
Nasional, Konferensi, Ilmu Sosial, Tri Retnasari, and Eva Rahmawati, ‘Diagnosa Prediksi Penyakit Jantung Dengan Model Algoritma Naïve Bayes Dan Algoritma C4.5’, 2017, 7–12
Science, Computer, ‘Prediksi Penyakit Jantung Dengan Algoritma Klasifikasi’, 5.1 (2019), 978–79
Sulaksono, Juli, Diaagnosa Penyakit, and Jantung Menggunakan, ‘Sistem Pakar Penentuan Penyakit Gagal Jantung’, 2015, 6–8
Utomo, Dito Putro, ‘Analisis Komparasi Metode Klasifikasi Data Mining Dan Reduksi Atribut Pada Data Set Penyakit Jantung’, 4.April (2020), 437–44 <https://doi.org/10.30865/mib.v4i2.2080>
