Nugroho, Adi, Gumelar, Agustinus Bimo, Sooai, Adri Gabriel, Sarvasti, Dyana and Tahalele, Paul L (2020) Perbandingan Performansi Algoritma Pengklasifikasian Terpandu Untuk Kasus Penyakit Kardiovaskular. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 4 (5). pp. 998-1006. ISSN 2580-0760
Preview |
Text (Perbandingan Performansi Algoritma Pengklasifikasian Terpandu Untuk Kasus Penyakit Kardiovaskular)
5-Perbandingan_performansi_algoritma_.pdf Download (477kB) | Preview |
Abstract
Salah satu pemasalahan kesehatan yang terjadi di Indonesia adalah meningkatnya angka kejadian Penyakit Tidak Menular (PTM) seperti penyakit jantung dan pembuluh darah (kardiovaskular). Terdapat dua faktor risiko yang enyebabkan terjadinya penyakit kardiovaskular yaitu faktor risiko yang bisa diubah dan faktor risiko yang tidak bisa diubah. Penelitian ini mengkaji untuk menganalisa kinerja terbaik dari beberapa algoritma pengklasifikasian terpandu yaitu k-nearest neighbors (k-NN), stochastic gradient descent (SGD), random forest (RF), neural network (NN) dan logistic regression (LR) dalam mengklasifikasikan penyakit kardiovaskular berdasarkan faktor-faktor risiko penyebab terjadinya penyakit tersebut. Aspek yang akan dikaji adalah hasil kinerja dari masing-masing algoritma yang dievaluasi menggunakan metode Confusion matrix dengan parameter akurasi, presisi, recall dan AUC (Area Under the Curve). Basis data yang digunakan adalah data hasil pemeriksaan penyakit kardiovaskular sejumlah 425.195 data sampel. Mode pengujian yang digunakan adalah pembagian prosentase dan validasi silang. Hasil eksperimen menunjukkan bahwa kinerja algoritma NN menghasilkan kinerja terbaik dibandingkan algoritma yang lain yaitu nilai akurasi sebesar 89.60%, nilai AUC sebesar 0.873, nilai presisi sebesar 0.877 dan nilai recall sebesar 0.896 menggunakan mode pengujian pembagian prosentase dan mode pengujian validasi silang pada tools Orange. Pada tools Weka, didapat nilai akurasi sebesar 89.46%, nilai AUC sebesar 0.865, nilai presisi sebesar 0.875 dan nilai recall sebesar 0.895 menggunakan mode pengujian validasi silang. Dengan tools KNIME, didapatkan nilai akurasi sebesar 88.55%, nilai AUC sebesar 0.768, nilai presisi sebesar 0.854 dan nilai recall sebesar 0.886 menggunakan mode pengujian validasi silang.
| Item Type: | Article |
|---|---|
| Uncontrolled Keywords: | data mining, klasifikasi, penyakit kardiovaskular, algoritma pengklasifikasian terpandu, confusion matrix. |
| Subjects: | Medicine |
| Divisions: | Journal Publication |
| Depositing User: | F.X. Hadi |
| Date Deposited: | 08 Sep 2025 02:36 |
| Last Modified: | 08 Sep 2025 02:36 |
| URI: | https://repositori.ukwms.ac.id/id/eprint/44466 |
Actions (login required)
 |
View Item |