Implementasi Data Mining untuk Mendiagnosa Penyakit Jantung dengan Algoritma Naïve Bayes di RS TK II Moh. Ridwan Mauraksa

Sultan Rahma Fernanda, Putri Dina Mardika

Abstract


Kesehatan jantung memainkan peran penting dalam kehidupan manusia karena jantung mendistribusikan darah yang kaya oksigen ke seluruh tubuh. Penyakit kardiovaskular, termasuk serangan jantung, merupakan salah satu penyebab utama kematian di dunia. Menurut laporan WHO, lebih dari 17,8 juta orang meninggal setiap tahun karena penyakit jantung. Faktor risiko termasuk gaya hidup, usia, dan kondisi sosial ekonomi memiliki pengaruh signifikan terhadap prevalensi penyakit ini. Deteksi dini melalui algoritma pembelajaran mesin, seperti Naïve Bayes, menunjukkan akurasi tinggi dalam menganalisis data medis. Penelitian ini menggunakan algoritma Naïve Bayes untuk memprediksi risiko penyakit jantung pada pasien di RS TK II Ridwan Mauraksa, dan menunjukkan akurasi sebesar 80% pada 25 data uji. Hasil ini selaras dengan temuan sebelumnya yang menunjukkan efektivitas algoritma pembelajaran mesin dalam prediksi medis. Dengan pengaplikasian yang lebih luas, algoritma ini dapat membantu penanganan dini dan mengurangi angka kematian akibat penyakit jantung. Studi ini berpotensi diterapkan di rumah sakit lain untuk mendukung upaya deteksi dini penyakit jantung.


Keywords


Penyakit Jantung; Naive Bayes; Data Mining

References


Ahmed, M., & Husien, I. (2024). Heart Disease Prediction Using Hybrid Machine Learning: A Brief Review. Journal of Robotics and Control (JRC), 5(3), 884–892. https://doi.org/10.18196/jrc.v5i3.21606

Alhamad, A., Azis, A. I. S., Santoso, B., & Taliki, S. (2019). Prediksi Penyakit Jantung Menggunakan Metode-Metode Machine Learning Berbasis Ensemble – Weighted Vote. Jurnal Edukasi Dan Penelitian Informatika (JEPIN), 5(3), 352. https://doi.org/10.26418/jp.v5i3.37188

Allah, E. M. A., El-Matary, D. E., Eid, E. M., & Dien, A. S. T. El. (2022). Performance Comparison of Various Machine Learning Approaches to Identify the Best One in Predicting Heart Disease. Journal of Computer and Communications, 10(02), 1–18. https://doi.org/10.4236/jcc.2022.102001

Furizal, Ma’arif, A., & Rifaldi, D. (2023). Application of Machine Learning in Healthcare and Medicine: A Review. Journal of Robotics and Control (JRC), 4(5), 621–631. https://doi.org/10.18196/jrc.v4i5.19640

Gagliano, M. (2017). Applications of Machine Learning in Medical Diagnosis. The International Conference on Computational Science, November.

Giacomini, M., Mora, S., Lazarova, E., Maggi, N., & Ruggiero, C. (2023). Improving data quality in healthcare: medical informatics tools and standards. Convegno Nazionale Di Bioingegneria, June.

Maral, P. V. (2017). Heart Disease Prediction Using Naive Bayes and K-Means Techniques. NOVATEUR PUBLICATIONS International Journal of Research Publications in Engineering and Technology, 3(6), 2454–7875.

Naser, M. A., Majeed, A. A., Alsabah, M., Al-Shaikhli, T. R., & Kaky, K. M. (2024). A Review of Machine Learning’s Role in Cardiovascular Disease Prediction: Recent Advances and Future Challenges. Algorithms, 17(2). https://doi.org/10.3390/a17020078

Riani, A., Susianto, Y., & Rahman, N. (2019). Implementasi Data Mining Untuk Memprediksi Penyakit Jantung Mengunakan Metode Naive Bayes. Journal of Innovation Information Technology and Application (JINITA), 1(01), 25–34. https://doi.org/10.35970/jinita.v1i01.64

Sabransyah, M., Novia Nasution, Y., Deny, F., & Amijaya, T. (2017). Aplikasi Metode Naive Bayes dalam Prediksi Risiko Penyakit Jantung Naive Bayes Method for a Heart Risk Disease Prediction Application. Jurnal EKSPONENSIAL, 8(2).

Yudistira, N., & Putra, A. F. (2021). Algoritma Decision Tree Dan Smote Untuk Klasifikasi Serangan Jantung Miokarditis Yang Imbalance. Jurnal Litbang Edusaintech, 2(2), 112–122. https://doi.org/10.51402/jle.v2i2.48




DOI: https://doi.org/10.30998/semnasristek.v9i1.7779

Refbacks

  • There are currently no refbacks.


Prosiding SEMNAS RISTEK indexed by: