Klasifikasi Penyakit Jantung Dengan Menggunakan Algoritma C5.O
DOI:
https://doi.org/10.33998/jakakom.2025.5.2.2383Keywords:
Data mining, Penyakit jantung, Algoritma c5.0Abstract
Penyakit jantung adalah gangguan yang terjadi pada sistem pembuluh pembuluh darah besar yang menyebabkan organ vital makhluk hidup tidak berfungsi dengan baik. Seiring berkembangnya ilmu pengetahuan, kasus tentang prediksi penderita penyakit jantung dapat diselesaikan menggunakan teknik data mining. Dalam proses diagnosa masalah yang sering kali terjadi adalah kurangnya akurasi pada proses klasifikasi. Untuk mengukur tingkat akurasi pada dataset dapat dilakukan dengan teknik klasifikasi. Penelitian ini akan melakukan klasifikasi pada dataset penyakit jantung yang diperoleh dari situs Kaggle dengan mengetahui kombinasi setiap atribut pada dataset dan kemudian melakukan perhitungan untuk mengetahui tingkat akurasi pada dataset menggunakan teknik klasifikasi data mining dengan menggunakan algoritma C5.0. Hasil tingkat akurasi prediksi algoritma C5.0 menggunakan tools RapidMiner pada data penyakit jantung dengan jumlah 918 data yang mempunyai 12 atribut, yaitu Penderita Penyakit Jantung (Heart Disease), Usia (Age), Jenis Kelamin (Sex), Jenis Sakit Dada (Chest Pain Type), Tekanan Darah Saat Istirahat (Resting Blood Pressure), Kolesterol (Cholesterol), Gula Darah (Fasting Blood Sugar), Hasil Elektrokardiografi Saat Istirahat (Resting ECG), Detak Jantung Maksimum (Max Heart Rate), Latihan Diinduksi Angina (exercise angina), oldpeak, ST Slope.
Downloads
References
R. Annisa, “Analisis Komparasi Algoritma Klasifikasi Data Mining Untuk Prediksi Penderita Penyakit Jantung,” J. Tek. Inform. Kaputama, vol. 3, no. 1, pp. 22–28, 2019, [Online]. Available: https://jurnal.kaputama.ac.id/index.php/JTIK/article/view/141/156.
D. P. Utomo, P. Sirait, and R. Yunis, “Reduksi Atribut Pada Dataset Penyakit Jantung dan Klasifikasi Menggunakan Algoritma C5.0,” J. Media Inform. Budidarma, vol. 4, no. 4, pp. 994–1006, 2020, doi: 10.30865/mib.v4i4.2355.
“Data Penyakit Jantung” [Online]. Available: https://www.kaggle.com/datasets/firdaus9914/penyakit-jantung.
I. A. Nikmatun and I. Waspada, “Implementasi Data Mining untuk Klasifikasi Masa Studi Mahasiswa Menggunakan Algoritma K-Nearest Neighbor,” J. SIMETRIS, vol. 10, no. 2, pp. 421–s432, 2019.
A. Asroni, H. Fitri, and E. Prasetyo, “Penerapan Metode Clustering dengan Algoritma K-Means pada Pengelompokkan Data Calon Mahasiswa Baru di Universitas Muhammadiyah Yogyakarta (Studi Kasus: Fakultas Kedokteran dan Ilmu Kesehatan, dan Fakultas Ilmu Sosial dan Ilmu Politik),” Semesta Tek., vol. 21, no. 1, pp. 60–64, 2018, doi: 10.18196/st.211211.
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.
P.-A. I. M. Wahyuni Sri,Saputra Kana, “IMPLEMENTASI RAPIDMINERDALAM MENGNALISA DATA MAHASISWA DROP OUT 1Sri,”vol. 10,pp. 421-437, 2017.
P. Y. Saputra D. H. Subhi, and F. Z. A Winantama, “Implementasi Sentimen Analisis Komentar Channel Video Pelayanan Pemerintah di Youtube Menggunakan Algoritma Naive Bayes, “ J. Inform Polinema, vol. 5, no. 4, pp. 209-213, 2019, doi : 10.33795/jip.v5i4.259.
D. P. Utomo, P. Sirait, and R. Yunis, “Reduksi Atribut Pada Dataset Penyakit Jantung dan Klasifikasi Menggunakan Algoritma C5.0,” J. Media Inform. Budidarma, vol. 4, no. 4, pp. 994–1006, 2020, doi: 10.30865/mib.v4i4.2355.
M. Pardede, E. Buulolo, and E. Ndruru, “Implementasi Algoritma C5.0 Pada Kelulusan Peserta Ujian Kemahiran Berbahasa Indonesia (Ukbi) Pada Balai Bahasa Sumatera Utara,” KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 3, no. 1, pp. 64–72, 2019, doi: 10.30865/komik.v3i1.1569.
A. H. Nasrullah, “Implementasi Algoritma Decision Tree Untuk Klasifikasi Data Peserta Didik,” J. Pilar Nusa Mandiri, vol. 7, no. 2, p. 217, 2021.
M. Pardede, E. Buulolo, and E. Ndruru, “Implementasi Algoritma C5.0 Pada Kelulusan Peserta Ujian Kemahiran Berbahasa Indonesia (Ukbi) Pada Balai Bahasa Sumatera Utara,” KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 3, no. 1, pp. 64–72, 2019, doi: 10.30865/komik.v3i1.1569.
B. Rahmat C.T.I. et al., “Implemetasi k-means clustering pada rapidminer untuk analisis daerah rawan kecelakaan,” Semin. Nas. Ris. Kuantitatif Terap. 2017, no. April, pp. 58–60, 2017.
N. Salim and O. Nurdiawan, “Penerapan Data Mining Pada Penjualan Barang Menggunakan Metode Metode Naive Bayes Classifier Untuk Optimasi Strategi Pemasaran,” J. Teknol. Inf. dan Komun., no. April, pp. 84–95, 2018.
N. Rabbi Radliya, “Data mining materi 3,” no. 321, pp. 1–10, 2015.
A. Rohman, V. Suhartono, and C. Supriyanto, “Penerapan Agoritma C4.5 Berbasis Adaboost Untuk Prediksi Penyakit Jantung,” J. Teknol. Inf., vol. 13, pp. 13–19, 2017.
R. Firmansyah, “PENERAPAN ALGORITMA C5.0 BERBASIS BPSO UNTUK DETEKSI DINI PENYAKIT JANTUNG,” J. Ekon. Vol. 18, Nomor 1 Maret201, vol. 2, no. 1, pp. 41–49, 2020.
