Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Digital Business
Albert Adolf Angie MS
Universitas HKBP Nommensen Pematang Siantar
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

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

Found 1 Documents
Search

 1 
Klasifikasi Penyakit Jantung Berdasarkan Algoritma Random Forest pada Dataset Heart Disease Yeheskiel Ravena Damanik; Albert Adolf Angie MS; Esther Laura Rumahorbo; Elisabeth Jessica Sitanggang
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.12186

Abstract

Penyakit jantung merupakan salah satu penyebab utama kematian di dunia dan menjadi masalah kesehatan yang memerlukan deteksi dini secara cepat serta akurat untuk mengurangi risiko komplikasi maupun kematian. Seiring berkembangnya teknologi, penerapan data mining dalam bidang kesehatan dapat dimanfaatkan untuk membantu proses klasifikasi penyakit berdasarkan data medis pasien. Penelitian ini bertujuan untuk mengimplementasikan algoritma Random Forest dalam mengklasifikasikan penyakit jantung menggunakan dataset Heart Disease yang terdiri dari 918 data dengan berbagai atribut klinis yang berhubungan dengan kondisi pasien. Proses pengolahan data dilakukan menggunakan perangkat lunak Orange Data Mining melalui beberapa tahapan, yaitu pemuatan dataset, seleksi atribut, pembagian data menjadi data latih dan data uji, pembangunan model klasifikasi, serta evaluasi kinerja model menggunakan Test & Score dan Confusion Matrix. Evaluasi dilakukan untuk mengetahui kemampuan model dalam mengklasifikasikan pasien yang terindikasi maupun tidak terindikasi penyakit jantung berdasarkan nilai prediksi yang dihasilkan. Hasil penelitian menunjukkan bahwa algoritma Random Forest mampu memberikan performa klasifikasi yang baik dengan tingkat akurasi yang tinggi serta mampu mengenali kelas positif dan kelas negatif secara efektif berdasarkan hasil evaluasi. Hal ini menunjukkan bahwa algoritma Random Forest memiliki potensi yang baik untuk diterapkan sebagai sistem pendukung keputusan dalam proses identifikasi awal penyakit jantung. Penelitian ini diharapkan dapat menjadi referensi bagi penelitian selanjutnya dalam pengembangan model klasifikasi berbasis data mining pada bidang kesehatan guna meningkatkan efektivitas dan efisiensi proses deteksi penyakit jantung.
Co-Authors Elisabeth Jessica Sitanggang Esther Laura Rumahorbo Yeheskiel Ravena Damanik