Penerapan Algoritma Decision Tree C5.0 Untuk Memprediksi Tingkat Kematian Pasien Penyakit Gagal Jantung
Article Sidebar
Main Article Content
Abstract
Penyakit jantung salah satu penyakit paling umum di antara penyakit lainnya, penyakit jantung dapat menyerang semua orang tanpa mengenal jenis kelamin, usia, atau faktor lainnya. Penelitian ini bertujuan untuk menerapkan algoritma C5.0 untuk memprediksi keberlangsungan hidup penderita penyakit gagal jantung serta memprediksi kematian pasien gagal jantung. Sedangkan untuk mengetahui akurasi yang dihasilkan oleh algoritma C5.0 dalam memprediksi akan digunakan confusion matrix. Penelitian ini akan menggunakan 300 dataset heart failure clinical records. Berdasarkan hasil yang didapatkan bahwa akurasi yang dihasilkan oleh algoritma decision tree C5.0 adalah 86,6% dengan perbandingan jumlah data latih dan data testing adalah 80 : 20. Sedangkan untuk presisi yang dihasilkan adalah 89,655 dan sensitifitas yang dihasilkan adalah 25 dengan spesifisitas 96,15
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
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
A. Purnama, “Edukasi dapat meningkatkan kualitas hidup pasien yang terdiagnosa penyakit jantung koroner,” J. Kesehat. Indones., vol. X, no. 2, pp. 66–71, 2020, doi: 10.33657/jurkessia.v10i2.251.
D. Fitrianah, W. Gunawan, and A. P. Sari, “Studi Komparasi Algoritma Klasifikasi C5 . 0 , SVM dan Naive Bayes dengan Studi Kasus Prediksi Banjir,” Techno.COM, vol. 21, no. 1, pp. 1–11, 2022, doi: 10.33633/tc.v21i1.5348.
T. Permana, A. M. Siregar, A. F. N. Masruriyah, and A. R. Juwita, “Perbandingan Hasil Prediksi Kredit Macet Pada Koperasi Menggunakan Algoritma KNN dan C5.0,” Conf. Innov. Appl. Sci. Technol., vol. 3, no. 1, pp. 737–746, 2020.
F. J. Zebua, R. P. Br Manalu, and M. N. K. Nababan, “Prediksi Kelulusan Mahasiswa Menggunakan Perbandingan Algoritma C5.0 Dengan Regression Linear,” J. Tek. Inf. dan Komput., vol. 4, no. 2, p. 230, 2021, doi: 10.37600/tekinkom.v4i2.400.
M. S. Sungkar and M. T. Qurohman, “Penerapan Algoritma C5.0 Untuk Prediksi Kelulusan Pembelajaran Mahasiswa Pada Matakuliah Arsitektur Sistem Komputer,” J. Media Inform. Budidarma, vol. 5, no. 3, p. 1166, 2021, doi: 10.30865/mib.v5i3.3116.
M. Ainur Rohman and D. Arifianto, “Penerapan Metode Euclidean Probality dan Confusion Matrix dalam Diagnosa Penyakit Koi,” J. Smart Teknol., vol. 2, no. 2, pp. 122–130, 2021, [Online]. Available: file:///C:/Users/dokta/Downloads/4992-14056-2-PB.pdf
H. W. Dhany, “Performa Algoritma K-Nearest Neighbour dalam Memprediksi Penyakit Jantung,” Semin. Nas. Inform. Pros. Senat. 2021, pp. 177–179, 2021.
I. Mubarog, A. Setyanto, and H. Sismoro, “Sistem Klasifikasi Pada Penyakit Breast Cancer Dengan Menggunakan Metode Naïve Bayes,” Creat. Inf. Technol. J., vol. 6, no. 2, p. 109, 2021, doi: 10.24076/citec.2019v6i2.246.
R. Pratiwi, M. N. Hayati, and S. Prangga, “Perbandingan Klasifikasi Algoritma C5.0 Dengan Classification and Regression Tree (Studi Kasus : Data Sosial Kepala Keluarga Masyarakat Desa Teluk Baru Kecamatan Muara Ancalong Tahun 2019),” BAREKENG J. Ilmu Mat. dan Terap., vol. 14, no. 2, pp. 273–284, 2020, doi: 10.30598/barekengvol14iss2pp273-284.
M. Fajri, I. T. Utami, and M. Maruf, “Comparison of C4.5 and C5.0 Algorithm Classification Tree Models for Analysis of Factors Affecting Auction,” Indones. J. Stat. Its Appl., vol. 6, no. 1, pp. 13–22, 2022, doi: 10.29244/ijsa.v6i1p13-22.