Penerapan Algoritma Naïve Bayes Untuk Mengetahui Pasien Penyakit Gagal Jantung
DOI:
https://doi.org/10.33998/jakakom.2022.2.2.117Abstrak
Abstrak – Setiap tahunnya lebih dari 36 juta orang meninggal karena Penyakit Tidak Menular (PTM) (63% dari seluruh kematian). Lebih dari 9 juta kematian yang disebabkan oleh penyakit tidak menular terjadi sebelum usia 60 tahun, dan 90% dari kematian “dini” tersebut terjadi di negara berpenghasilan rendah dan menengah. Secara Global PTM penyebab kematian nomor satu setiap tahunnya adalah penyakit kardiovaskuler. Penyakit Kardiovaskuler adalah penyakit yang disebabkan gangguan fungsi jantung dan pembuluh darah, seperti : penyakit coroner, penyakit gagal jantung atau payuh jantung, hipertensi dan stroke. Diperkirakan sebanyak 17,3 juta kematian disebabkan oleh penyakit kardiovaskuler.
Kata Kunci : data Pasien; algoritma naïve bayes; WEKA; klasifikasi; akurasi
Abstract - Every year more than 36 million people die from non-communicable diseases (NCD) (63% of all deaths). More than 9 million deaths are caused by non-communicable diseases before the age of 60, and 90% of these “early” deaths occur in low- and middle-income countries. Globally, PTM is the number one cause of death every year is cardiovascular disease. Cardiovascular disease is a disease caused by impaired function of the heart and blood vessels, such as coronary disease, heart failure or heart failure, hypertension and stroke. It is estimated that 17.3 million deaths are caused by cardiovascular disease.
Keywords: patient data; naïve Bayes algorithm; WEKA; classification; accuracy
Unduhan
Referensi
B. L. Kementerian, “Info Datin Jantung.”
Yuli Mardi, “Data Mining : Klasifikasi Menggunakan Algoritma C4 . 5 Data mining merupakan bagian dari tahapan proses Knowledge Discovery in Database ( KDD ) . Jurnal Edik Informatika,” J. Edik Inform., vol. 2, no. 2, hal. 213–219, 2019.
R. I. Borman dan M. Wati, “Penerapan Data Mining Dalam Klasifikasi Data Anggota Kopdit Sejahtera Bandarlampung Dengan Algoritma Naïve Bayes,” J. Ilm. Fak. Ilmu Komput., vol. 9, no. 1, hal. 25–34, 2020.
F. Wulandari, P. A. Jusia, dan J. Jasmir, “Klasifikasi Data Mining Untuk Mendiagnosa Penyakit ISPA Menggunakan Metode Naïve Bayes Pada Puskesmas Jambi Selatan,” J. Manaj. Teknol. dan Sist. Inf., vol. 2, no. 3, hal. 214–227, 2020, [Daring]. Tersedia pada: http://ejournal.stikom-db.ac.id/index.php/jimsi/article/view/895.
Y. I. Kurniawan, “Perbandingan Algoritma Naive Bayes dan C.45 dalam Klasifikasi Data Mining,” J. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 4, hal. 455, 2018, doi: 10.25126/jtiik.201854803.
C. Science, “Prediksi Penyakit Jantung dengan Algoritma Klasifikasi,” vol. 5, no. 1, hal. 978–979, 2019.
Adi Nugroho, Agustinus Bimo Gumelar, Adri Gabriel Sooai, Dyana Sarvasti, dan Paul L Tahalele, “Perbandingan Performansi Kinerja Algoritma Pengklasifikasian Terpandu Untuk Kasus Penyakit Kardiovaskular,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 4, no. 5, hal. 998–1006, 2020, doi: 10.29207/resti.v4i5.2316.
M. Rahmadi, F. Kaurie, dan T. Susanti, “Uji Akurasi Dataset Pasien Pasca Operasi Menggunakan Algoritma Naïve Bayes Menggunakan Weka Tools,” JURIKOM (Jurnal Ris. Komputer), vol. 7, no. 1, hal. 134, 2020, doi: 10.30865/jurikom.v7i1.1761.
M. Rahmadi, F. Kaurie, dan T. Susanti, “Uji Akurasi Dataset Pasien Pasca Operasi Menggunakan Algoritma Naïve Bayes Menggunakan Weka Tools,” JURIKOM (Jurnal Ris. Komputer), vol. 7, no. 1, hal. 134, 2020, doi: 10.30865/jurikom.v7i1.1761.
R. Annisa, “Analisis Komparasi Algoritma Klasifikasi Data Mining Untuk Prediksi Penderita Penyakit Jantung,” J. Tek. Inform. Kaputama, vol. 3, no. 1, hal. 22–28, 2019.
Q. Hasanah, H. Oktavianto, dan Y. D. Rahayu, “Jurnal Smart Teknologi Analisis Algoritma Gaussian Naive Bayes Terhadap Klasifikasi Data Pasien Penderita Gagal Jantung Gaussian Naive Bayes Algorithm Analysis Of Data Classification Of Heart Failure Patiens Jurnal Smart Teknologi,” J. Smart Teknol., vol. 3, no. 4, hal. 382–389, 2022.
F. Novaldy dan A. Herliana, “Penerapan Pso Pada Naïve Bayes Untuk Prediksi Harapan Hidup Pasien Gagal Jantung,” J. Responsif Ris. Sains dan Inform., vol. 3, no. 1, hal. 37–43, 2021, doi: 10.51977/jti.v3i1.396.
D. Cahya Putri Buani, “Penerapan Algoritma Naïve Bayes dengan Seleksi Fitur Algoritma Genetika Untuk Prediksi Gagal Jantung,” EVOLUSI J. Sains dan Manaj., vol. 9, no. 2, hal. 43–48, 2021, doi: 10.31294/evolusi.v9i2.11141.
M. KATANA, A. Utami, dan K. Miraswan, “Klasifikasi Penyakit Jantung Menggunakan Metode Random Forest,” vol. 1, no. 1, hal. 22–26, 2021, doi: 10.12487/AMRI.v1i1.xxxxx.
D. P. Utomo dan M. Mesran, “Analisis Komparasi Metode Klasifikasi Data Mining dan Reduksi Atribut Pada Data Set Penyakit Jantung,” J. Media Inform. Budidarma, vol. 4, no. 2, hal. 437, 2020, doi: 10.30865/mib.v4i2.2080.
H. M. Nawawi, J. J. Purnama, dan A. B. Hikmah, “Komparasi Algoritma Neural Network Dan Naïve Bayes Untuk Memprediksi Penyakit Jantung,” J. Pilar Nusa Mandiri, vol. 15, no. 2, hal. 189–194, 2019, doi: 10.33480/pilar.v15i2.669.
R. Annisa, “Analisis Komparasi Algoritma Klasifikasi Data Mining Untuk Prediksi Penderita Penyakit Jantung,” J. Tek. Inform. Kaputama, vol. 3, no. 1, hal. 22–28, 2019.
Adi Nugroho, Agustinus Bimo Gumelar, Adri Gabriel Sooai, Dyana Sarvasti, dan Paul L Tahalele, “Perbandingan Performansi Kinerja Algoritma Pengklasifikasian Terpandu Untuk Kasus Penyakit Kardiovaskular,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 4, no. 5, hal. 998–1006, 2020, doi: 10.29207/resti.v4i5.2316.
M. Rahmadi, F. Kaurie, dan T. Susanti, “Uji Akurasi Dataset Pasien Pasca Operasi Menggunakan Algoritma Naïve Bayes Menggunakan Weka Tools,” JURIKOM (Jurnal Ris. Komputer), vol. 7, no. 1, hal. 134, 2020, doi: 10.30865/jurikom.v7i1.1761.
M. Rahmadi, F. Kaurie, dan T. Susanti, “Uji Akurasi Dataset Pasien Pasca Operasi Menggunakan Algoritma Naïve Bayes Menggunakan Weka Tools,” JURIKOM (Jurnal Ris. Komputer), vol. 7, no. 1, hal. 134, 2020, doi: 10.30865/jurikom.v7i1.1761.
R. Annisa, “Analisis Komparasi Algoritma Klasifikasi Data Mining Untuk Prediksi Penderita Penyakit Jantung,” J. Tek. Inform. Kaputama, vol. 3, no. 1, hal. 22–28, 2019.
Q. Hasanah, H. Oktavianto, dan Y. D. Rahayu, “Jurnal Smart Teknologi Analisis Algoritma Gaussian Naive Bayes Terhadap Klasifikasi Data Pasien Penderita Gagal Jantung Gaussian Naive Bayes Algorithm Analysis Of Data Classification Of Heart Failure Patiens Jurnal Smart Teknologi,” J. Smart Teknol., vol. 3, no. 4, hal. 382–389, 2022.
F. Novaldy dan A. Herliana, “Penerapan Pso Pada Naïve Bayes Untuk Prediksi Harapan Hidup Pasien Gagal Jantung,” J. Responsif Ris. Sains dan Inform., vol. 3, no. 1, hal. 37–43, 2021, doi: 10.51977/jti.v3i1.396.
D. Cahya Putri Buani, “Penerapan Algoritma Naïve Bayes dengan Seleksi Fitur Algoritma Genetika Untuk Prediksi Gagal Jantung,” EVOLUSI J. Sains dan Manaj., vol. 9, no. 2, hal. 43–48, 2021, doi: 10.31294/evolusi.v9i2.11141.
M. KATANA, A. Utami, dan K. Miraswan, “Klasifikasi Penyakit Jantung Menggunakan Metode Random Forest,” vol. 1, no. 1, hal. 22–26, 2021, doi: 10.12487/AMRI.v1i1.xxxxx.
D. P. Utomo dan M. Mesran, “Analisis Komparasi Metode Klasifikasi Data Mining dan Reduksi Atribut Pada Data Set Penyakit Jantung,” J. Media Inform. Budidarma, vol. 4, no. 2, hal. 437, 2020, doi: 10.30865/mib.v4i2.2080.
H. M. Nawawi, J. J. Purnama, dan A. B. Hikmah, “Komparasi Algoritma Neural Network Dan Naïve Bayes Untuk Memprediksi Penyakit Jantung,” J. Pilar Nusa Mandiri, vol. 15, no. 2, hal. 189–194, 2019, doi: 10.33480/pilar.v15i2.669.
R. Annisa, “Analisis Komparasi Algoritma Klasifikasi Data Mining Untuk Prediksi Penderita Penyakit Jantung,” J. Tek. Inform. Kaputama, vol. 3, no. 1, hal. 22–28, 2019.
