Komparasi Algoritma Klasifikasi Data Mining Untuk Memprediksi Penyakit Jantung

Dimas Anugrah Firdlous (Universitas Pendidikan Indonesia)

Infoman's: Jurnal Ilmu-Ilmu Manajeman dan Informatika
Vol. 16 No. 1 (2022): Infoman's

Penyakit jantung merupakan penyakit dengan jumlah kematian terbesar dengan jumlah 17,9 juta kematian setiap tahunnya. Kematian dini penyakit jantung dapat dicegah dengan mengendalikan faktor risiko penyakit jantung dan mengidentifikasi orang-orang beresiko tinggi. data mining merupakan sebuah ilmu yang dapat menggali informasi baru dari sebuah data dan menjadi model baru dan banyak digunakan untuk memprediksi suatu kejadian. teknik data mining klasifikasi digunakan untuk memprediksi penyakit jantung algoritma klasifikasi naive bayes, random forest, decision tree,dan support vector machine. tujuan dari penelitian ini adalah untuk mencari algoritma terbaik dengan nilai akurasi tertinggi untuk digunakan dalam memprediksi penyakit jantung. data dalam penelitian ini bersumber dari kaggle. metode penelitian ini dilakukan dengan cara preprocessing data, proses klasifikasi, evaluasi hasil akurasi, dan komparasi ukuran akurasi tertinggi. proses klasifikasi dilakukan menggunakan rapidminer. dari hasil klasifikasi yang dilakukan algoritma random forest merupakan algoritma yang memiliki nilai akurasi tertinggi yaitu 85,7% dan nilai akurasi terendah menggunakan .algoritma support vector machine dengan akurasi 68,7%. sehingga algoritma random forest menjadi yang terbaik untuk digunakan dalam memprediksi penyakit jantung.