KOMPARASI METODE KLASIFIKASI DATA MINING UNTUK PREDIKSI PENYAKIT JANTUNG

Abstract

Dalam dunia kesehatan, penyakit jantung merupakan penyakit yang mendorong angka kematian yang cukup tinggi, sehingga banyak penelitian yang dilakukan sebelumnya untuk memprediksi penyakit jantung. Dalam penelitian ini dilakukan perbandingan metode data mining yaitu algoritma neural network, k-nearest neighbordan C4.5 yang diaplikasikan pada data pasien baik yang sehat dan sakit. Dari hasil pengujian dengan mengukur kinerja ketiga metode tersebut menggunakan cross validation, confusion matrix dan kurva ROC, diketahui bahwa neural network memiliki nilai akurasi yang paling tinggi yakni sebesar 86,06%, diikuti oleh metode algoritma C4.5 dengan nilai akurasi 82.92%, kemudian metode k-nearest neighbordengan akurasi 77,58%. Nilai AUC untuk metode neural network menunjukan nilai tertinggi yakni 0,913 dan yang terendah adalah metode C4.5 yaitu 0,857.