IRPIIRPI
MALCOM: Indonesian Journal of Machine Learning and Computer ScienceMALCOM: Indonesian Journal of Machine Learning and Computer SciencePenyakit jantung merupakan salah satu penyebab utama kematian yang disebabkan oleh faktor gaya hidup tidak sehat. Untuk mengatasi permasalahan ini, penelitian ini membandingkan algoritma K-Nearest Neighbors (KNN) dan Random Forest (RF) dalam memberikan rekomendasi gaya hidup sehat guna mencegah penyakit jantung. Dataset yang digunakan terdiri dari 1.025 entri dengan 14 fitur, yang telah melalui tahap preprocessing, termasuk normalisasi, seleksi fitur, dan pembagian data 80:20 serta 70:30. Evaluasi model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa Random Forest memiliki akurasi lebih tinggi (99% pada skenario 80:20 dan 98% pada skenario 70:30) dibandingkan KNN (83% dan 86%), serta lebih stabil dalam mengklasifikasikan risiko penyakit jantung. Analisis fitur menunjukkan bahwa Chest Pain Type (CP) atau nyeri dada merupakan faktor paling berpengaruh. Berdasarkan hasil ini, direkomendasikan pola makan sehat, aktivitas fisik teratur, manajemen stres, serta pemeriksaan kesehatan rutin.
Penelitian ini membandingkan Algoritma KNN dan RF dalam memberikan rekomendasi gaya hidup sehat untuk mencegah penyakit jantung.Hasil evaluasi menunjukkan bahwa RF memiliki performa lebih unggul dengan akurasi 99% (80.30), sementara KNN mencapai 83% dan 86%.CP teridentifikasi sebagai faktor risiko utama, sehingga sistem berbasis data ini efektif untuk pencegahan.Namun, penelitian ini memiliki keterbatasan seperti ukuran dataset kecil dan variabel yang belum menyeluruh.
Berdasarkan temuan penelitian, disarankan untuk memperluas penelitian lanjutan dengan (1) mengintegrasikan variabel tambahan seperti pola tidur dan stres kronis untuk meningkatkan prediksi risiko, (2) menguji kemampuan algoritma lain seperti Support Vector Machine (SVM) sebagai alternatif klasifikasi, dan (3) mengembangkan sistem rekomendasi interaktif berbasis aplikasi mobile yang dapat menyajikan rekomendasi personal berdasarkan input pengguna secara real-time. Penelitian juga perlu memperhatikan validasi silang data untuk memastikan keandalan model.
- Penerapan Algoritma K-Nearest Neighbor Dalam Klasifikasi Penyakit Jantung | Journal of Computer System... ejurnal.seminar-id.com/index.php/josyc/article/view/4071Penerapan Algoritma K Nearest Neighbor Dalam Klasifikasi Penyakit Jantung Journal of Computer System ejurnal seminar id index php josyc article view 4071
- Klasifikasi Penyakit Jantung Menggunakan Decision Tree dan KNN Menggunakan Ektraksi Fitur PCA | JEKIN... rumahjurnal.or.id/index.php/JEKIN/article/view/641Klasifikasi Penyakit Jantung Menggunakan Decision Tree dan KNN Menggunakan Ektraksi Fitur PCA JEKIN rumahjurnal index php JEKIN article view 641
- Sistem Diagnosis Penyakit Jantung Koroner Dengan Menggunakan Algoritma C4.5 Berbasis Website (Studi Kasus:... doi.org/10.33322/petir.v14i2.1338Sistem Diagnosis Penyakit Jantung Koroner Dengan Menggunakan Algoritma C4 5 Berbasis Website Studi Kasus doi 10 33322 petir v14i2 1338
- Analisis Perbandingan Kinerja Algoritma Klasifikasi dalam Mendeteksi Penyakit Jantung | Jurnal SISKOM-KB... doi.org/10.47970/siskom-kb.v7i1.468Analisis Perbandingan Kinerja Algoritma Klasifikasi dalam Mendeteksi Penyakit Jantung Jurnal SISKOM KB doi 10 47970 siskom kb v7i1 468
| File size | 418.67 KB |
| Pages | 11 |
| DMCA | ReportReport |
Related /
IRPIIRPI Memahami dinamika pertumbuhan pelanggan YouTube sangat penting bagi pembuat konten, pemasar, dan strategis platform. Dengan memanfaatkan model pembelajaranMemahami dinamika pertumbuhan pelanggan YouTube sangat penting bagi pembuat konten, pemasar, dan strategis platform. Dengan memanfaatkan model pembelajaran
IRPIIRPI Dokumen yang digunakan berupa satu file digital utuh yang representatif. Proses sistem meliputi ekstraksi teks, pembagian teks (chunking), pembentukanDokumen yang digunakan berupa satu file digital utuh yang representatif. Proses sistem meliputi ekstraksi teks, pembagian teks (chunking), pembentukan
IRPIIRPI Model Gradient Boosting meraih akurasi hingga 75.10%, recall 74.42%, dan AUC 82.18% setelah menggunakan Boruta. Sebelum menggunakan Boruta nilai akurasiModel Gradient Boosting meraih akurasi hingga 75.10%, recall 74.42%, dan AUC 82.18% setelah menggunakan Boruta. Sebelum menggunakan Boruta nilai akurasi
IRPIIRPI Sistem Pengenalan Tulisan Tangan ini menunjukkan potensi dalam menangani variabilitas dunia nyata, terutama dalam keterbacaan resep dokter tulisan tangan.Sistem Pengenalan Tulisan Tangan ini menunjukkan potensi dalam menangani variabilitas dunia nyata, terutama dalam keterbacaan resep dokter tulisan tangan.
Useful /
IUSIUS Berdasarkan hasil penelitian, dapat disimpulkan bahwa akta risalah lelang yang dibuat oleh Pejabat Lelang dapat dijadikan alat bukti peralihan hak milikBerdasarkan hasil penelitian, dapat disimpulkan bahwa akta risalah lelang yang dibuat oleh Pejabat Lelang dapat dijadikan alat bukti peralihan hak milik
IRPIIRPI This study successfully applied the K-Medoid algorithm to segment customers in the retail industry, revealing distinct groups based on transaction behavior.This study successfully applied the K-Medoid algorithm to segment customers in the retail industry, revealing distinct groups based on transaction behavior.
IRPIIRPI The RDD2020 dataset is used for model training, with preprocessing steps including augmentation, normalization, and resizing. A Convolutional Neural NetworkThe RDD2020 dataset is used for model training, with preprocessing steps including augmentation, normalization, and resizing. A Convolutional Neural Network
UNYUNY Kondisi tersebut menunjukkan bahwa latihan pliometrik yang dimodifikasi dapat meningkatkan power tungkai secara kontinyu dan cenderung terjadi peningkatan.Kondisi tersebut menunjukkan bahwa latihan pliometrik yang dimodifikasi dapat meningkatkan power tungkai secara kontinyu dan cenderung terjadi peningkatan.