Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Computer Science and Information Technology (CoSciTech)
Julian Silvia Hasanah
Universitas Muhammadiyah Riau
Computer Science & IT

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

Found 1 Documents
Search

 1 
Klasifikasi Multi-Class Penyakit Jantung Dengan SMOTE dan Pearson’s Correlation menggunakan MLP Rahmad Firdaus; Desti Mualfah; Julian Silvia Hasanah
Computer Science and Information Technology Vol 4 No 1 (2023): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v4i1.4769

Abstract

Penyakit jantung merupakan penyakit paling mematikan didunia. Laporan WHO tahun 2019 menyebutkan penyakit jantung sebagai penyebab kematian tertinggi didunia dengan persentase 16% dari jumlah kematian atau 8.9 juta kematian. Tingginya kematian yang disebabkan oleh penyakit ini terjadi karena penyakit ini biasanya timbul tanpa adanya gejala sehingga sulit untuk diketahui sejak dini oleh penderita. Salah satu cara untuk mengatasi permasalahan tersebut adalah dengan pemanfaatan metode klasifikasi. Hasil klasifikasi multi-class pada penelitian sebelumnya dengan dataset dan metode yang sama masih terbilang rendah yang salah satunya disebabkan oleh adanya imbalace data. Untuk itu dibutuhkan teknik balancing data serta feature selection (FS) untuk melihat pengaruh imbalance data dan pengaruh korelasi fitur pada klasifikasi multi-class. Pada penelitian ini menggunakan Synthetic Minority Over-sampling Technique (SMOTE) untuk balancing data dan Pearson’s Correlation (PS) untuk memilih fitur dengan korelasi yang baik pada klasifikasi penyakit jantung menggunakan metode Multi-Layer Perceptron (MLP). Penelitian ini dengan MLP+Pearson’s Correlation hanya mendapatkan akurasi tertinggi sebesar 63.33%. Akurasi tertinggi dengan penggabungan metode MLP+SMOTE+Pearson’s Correlation sebesar 92.5%. Serta akurasi tertinggi pada penelitian ini didapat menggunakan metode MLP+SMOTE yaitu sebesar 97.5%.
Co-Authors Desti Mualfah Rahmad Firdaus