Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Dinasti Information and Technology
Muhammad Rizal Arifin
Program Studi Informatika, Sekolah Tinggi Teknik Pati, Pati, Indonesia
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Perbandingan Imputasi Mean, Median, dan KNN pada Decision Tree Berbasis Entropi untuk Penanganan Nilai Hilang dalam Prediksi Komplikasi Infark Miokard Muhammad Rizal Arifin; Zainal Abidin
Dinasti Information and Technology Vol. 4 No. 1 (2026): Dinasti Information and Technology (July - September 2026)
Publisher : Dinasti Research & Yayasan Dharma Indonesia Tercinta (DINASTI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38035/dit.v4i1.3595

Abstract

Dataset klinis sering memuat nilai hilang yang dapat memengaruhi keandalan model prediksi. Penelitian ini membandingkan imputasi mean, median, dan KNN dalam menangani nilai hilang pada dataset Myocardial Infarction Complications. Data awal terdiri atas 1.700 rekam pasien, 111 fitur masukan, dan LET_IS sebagai target prediksi. Setelah simbol nilai hilang dikonversi, kolom dengan nilai hilang tinggi dibersihkan, dan baris yang tidak dapat digunakan pada target penelitian dihapus, data yang diproses pada tahap train-test split menjadi 1.350 rekam, yaitu 1.080 data latih dan 270 data uji. Setiap skenario imputasi dievaluasi menggunakan Decision Tree berbasis Entropi sebagai pendekatan praktis terhadap prinsip pemisahan C4.5. Hasil Google Colab terbaru pada skenario single-split menunjukkan bahwa imputasi median menghasilkan akurasi tertinggi sebesar 89,63%, diikuti KNN sebesar 88,52% dan mean sebesar 88,15%. Rekomendasi utama penelitian ini adalah median karena memberikan akurasi tertinggi pada pengujian utama.
Co-Authors Zainal Abidin