STMIKSZNWSTMIKSZNW

TEKNIMEDIA: Teknologi Informasi dan MultimediaTEKNIMEDIA: Teknologi Informasi dan Multimedia

Teknologi Informasi adalah teknologi pemrosesan data dan berbagai cara untuk menghasilkan informasi berkualitas secara akurat, cepat, dan relevan dengan kebutuhan individu maupun bisnis. Informasi strategis dari teknologi ini sangat penting dalam pengambilan keputusan. Pengembangan teknologi informasi menjadi salah satu faktor utama dalam kemajuan zaman. Beberapa sektor penting yang terdampak oleh teknologi meliputi pendidikan, ekonomi, kesehatan, pemerintahan, dan sosial-budaya. Pada dasarnya, teknologi dikembangkan untuk membantu pekerjaan manusia dan kini menjadi kebutuhan pokok dalam kehidupan. Salah satu penerapan pentingnya adalah dalam bidang kesehatan, khususnya untuk memprediksi penyakit jantung. Prediksi yang akurat dapat membantu pengobatan pasien secara efisien sebelum serangan jantung terjadi. Tujuan ini dapat dicapai melalui model pembelajaran mesin yang optimal dan data kesehatan yang lengkap. Oleh karena itu, perbandingan kinerja algoritma Naïve Bayes dan C4.5 dalam prediksi penyakit jantung diperlukan untuk mendapatkan hasil yang lebih akurat. Sebelum pengujian, data perlu diperiksa kelayakannya dan dibagi menjadi data pelatihan serta pengujian. Penelitian ini menggunakan beberapa skenario pembagian data dengan confusion matrix. Terdapat enam skenario: masing-masing algoritma diuji dalam tiga variasi rasio data. Naïve Bayes menunjukkan akurasi 83% (70:30), 83% (80:20), dan 85% (90:10). Sementara itu, algoritma C4.5 menunjukkan performa lebih tinggi dengan akurasi 98% (70:30), 100% (80:20), dan 100% (90:10). Hasil ini menunjukkan bahwa C4.5 lebih unggul dalam prediksi penyakit jantung.

Kinerja algoritma dipengaruhi oleh cara pembagian data pelatihan dan pengujian.Pada skenario lima dan enam, algoritma C4.Algoritma Naive Bayes pada skenario satu hingga tiga tidak menghasilkan akurasi lebih baik dibandingkan C4.

Penelitian selanjutnya dapat mengkaji pengaruh metode seleksi fitur lanjutan seperti Mutual Information atau Particle Swarm Optimization terhadap performa algoritma Naive Bayes dan C4.5 dalam prediksi penyakit jantung, sehingga dapat diketahui apakah peningkatan akurasi dapat dicapai dengan fitur yang lebih representatif. Selain itu, perlu dilakukan evaluasi terhadap pendekatan ensemble yang menggabungkan Naive Bayes, C4.5, serta classifier lain seperti Random Forest atau Support Vector Machine pada dataset multi‑center yang lebih besar, untuk menilai apakah kombinasi model dapat meningkatkan robustitas dan generalisasi prediksi. Selanjutnya, penelitian dapat meneliti penerapan model terbaik dalam lingkungan klinis secara real‑time, termasuk analisis interpretabilitas keputusan model oleh tenaga medis serta evaluasi dampak penggunaan sistem pendukung keputusan terhadap proses diagnosis dan terapi pasien jantung.

  1. Klasifikasi Penyakit Jantung dengan Menggunakan Algoritma C4.5 | Sepharni | STRING (Satuan Tulisan Riset... journal.lppmunindra.ac.id/index.php/STRING/article/view/12012Klasifikasi Penyakit Jantung dengan Menggunakan Algoritma C4 5 Sepharni STRING Satuan Tulisan Riset journal lppmunindra ac index php STRING article view 12012
  2. Menerapkan Data Mining Dengan Algoritma Fp-Growth Pada Analisis Pola Pembelian Konsumen Pada Donat Bolong... doi.org/10.31539/intecoms.v6i2.7106Menerapkan Data Mining Dengan Algoritma Fp Growth Pada Analisis Pola Pembelian Konsumen Pada Donat Bolong doi 10 31539 intecoms v6i2 7106
Read online
File size318.81 KB
Pages6
DMCAReport

Related /

ads-block-test