• Tidak ada hasil yang ditemukan

Perbandingan Algoritma Naïve Bayes Dan C4.5 Pada Klasifikasi Penyakit Jantung Koroner - Repository Universitas Jenderal Soedirman

N/A
N/A
Protected

Academic year: 2024

Membagikan "Perbandingan Algoritma Naïve Bayes Dan C4.5 Pada Klasifikasi Penyakit Jantung Koroner - Repository Universitas Jenderal Soedirman"

Copied!
2
0
0

Teks penuh

(1)

xiii ABSTRAK

PERBANDINGAN ALGORITMA NAÏVE BAYES DAN C4.5 PADA KLASIFIKASI PENYAKIT JANTUNG KORONER

Daffa Ammar Muaafii H1D019005

Penyakit Jantung Koroner menjadi penyebab utama kematian secara global.

Hal ini mendorong banyak penelitian terhadap penyakit jantung koroner, salah satunya menggunakan metode berbasis komputer. Klasifikasi menggunakan algoritma tertentu merupakan salah satu metode pengolahan data dengan jumlah besar untuk mendapatkan hasil dengan cepat dan akurat. Naïve Bayes dan C4.5 merupakan algoritma yang sederhana dan memiliki tingkat akurasi yang tinggi.

Penelitian ini bertujuan untuk membandingkan kedua algoritma tersebut dalam mengklasifikasikan data penyakit jantung koroner. Perbandingan algoritma dilihat berdasarkan performance measure yaitu accuracy, recall, dan, precision. Hasil dari penelitian ini adalah model Naïve Bayes dengan nilai accuracy sebesar 73,508%, nilai recall sebesar 95,381%, dan nilai precision sebesar 75,919% serta model C4.5 dengan nilai accuracy sebesar 72,807%, nilai recall sebesar 95,150%, dan nilai precision sebesar 75,457%. Model Naïve Bayes lebih baik dari C4.5 sehingga digunakan pada implementasi website yang dapat memprediksi penyakit jantung koroner.

Kata Kunci: C4.5, Klasifikasi, Naïve Bayes, Penyakit Jantung Koroner.

(2)

xiv ABSTRACT

COMPARISON OF NAÏVE BAYES AND C4.5 ALGORITHMS IN CLASSIFICATION OF CORONARY HEART DISEASE

Daffa Ammar Muaafii H1D019005

Coronary Heart Disease is the leading cause of death globally. This encourages a lot of research on coronary heart disease, one of which uses a computer-based method. Classification using a certain algorithm is a method of processing large amounts of data to get results quickly and accurately. Naïve Bayes and C4.5 are simple algorithms and have a high degree of accuracy. This study aims to compare the two algorithms in classifying coronary heart disease data.

Comparison of algorithms are seen based on performance measures, namely accuracy, recall, and precision. The Naïve Bayes model, which returned an accuracy of 73.508%, a recall value of 95.381%, and a precision value of 75.919%, as well as the C4.5 model, which returned an accuracy of 72.807%, a recall value of 95.150%, and a precision value of 75.457%, are the research's results. Because the Naïve Bayes model outperforms C4.5, websites that can forecast coronary heart disease employ it.

Keyword: C4.5, Classification, Coronary Heart Disease, Naïve Bayes.

Referensi

Dokumen terkait

Pada bab ini dijelaskan hasil pengujian yang dilakukan dalam melakukan pelatihan dan tugas klasifikasi dalam memprediksi penyakit jantung dengan menggunakan algoritma Naive Bayes

Untuk menambah significant hasil, analisis perbandingan algoritma Naïve Bayes Classifier dengan Correlated-Naïve Bayes Classifier dapat diuji dengan data set yang

Naïve Bayes dilakukan komparasi, hasil yang diperoleh bahwa algoritma LDA lebih baik dibandingkan dengan algoritma Naïve Bayes untuk klasifikasi citra Pap Smear..

Pada penelitian ini, luaran yang diharapkan adalah menghasilkan sistem sederhana untuk memprediksi dini seseorang yang terkena penyakit jantung koroner atau tidak

Membuat perangkat lunak yang dapat melakukan klasifikasi data dengan metode Naïve Bayes dan mengetahui bagaimana mekanisme performa algoritma Naive Bayes terhadap

Setelah dilakukan klasifikasi terhadap data set sms spam menggunakan algoritma Naïve Bayes, maka didapatkan tiga hasil perbandingan untuk tingkat akurasi,

Pada ipenelitian iini ipenulis iakan imenerapkan imetode Stochastic Gradient Descent SGD dan Naïve Bayes untuk memprediksi hasil akurasi dari klasifikasi penyakit Diabetic Retinopathy

2, Agustus 2022 p-ISSN : 2502-5724; e-ISSN : 2541-5735 122 Implementasi Metode Adaboost untuk Mengoptimasi Klasifikasi Penyakit Diabetes dengan Algoritma Naïve Bayes Lidia