E-Link: Jurnal Teknik Elektro dan Informatika
Vol 18 No 1 (2023): Mei 2023

KOMPARASI METODE KLASIFIKASI DATA MINING UNTUK PREDIKSI PENYAKIT STROKE

Fitri Adha Hariyati Airi (STMIK IKMI Cirebon)
Tati Suprapti (Unknown)
Agus Bahtiar (Unknown)



Article Info

Publish Date
16 May 2023

Abstract

Stroke merupakan penyakit dengan kondisi bahaya dan menjadi penyebab kematian nomor tiga setelah penyakit jantung koroner dan kanker. Kurangnya pengetahuan menjadikan masyarakat tidak menyadari tanda-tanda yang mungkin sudah terlihat. Apabila masyarakat mendapatkan pengenalan tentang penyakit stroke diharapkan dapat mengurangi dampak paling parah yaitu kematian. Oleh karena itu perlu dilakukan sebuah prediksi menggunakan metode klasifikasi. Hasil prediksi yang akurat dapat memudahkan para praktisi kesehatan dalam mengambil keputusan yang tepat. Data yang diambil merupakan data bersifat public dari situs kaggle. Pada penelitian ini Orange digunakan sebagai perangkat lunak. Penelitian ini melakukan sebuah perbandingan algoritma Naive Bayes, K-Nearest Neighbor dan Random Forest. Hasil yang diperoleh pada penelitian ini untuk algoritma Naive Bayes sebesar 71.9% accuracy, 71.7% precision, 71.9% recall. Sedangkan untuk algoritma K-NN mendapatkan nilai accuracy sebesar 73.6%, precision sebesar 73%, recall 73.6% dan untuk algoritma Random Forest mendapatkan nilai accuracy sebesar 92.5%, precision 92.5%, recall 92.5%.

Copyrights © 2023






Journal Info

Abbrev

e-link

Publisher

Subject

Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy

Description

E-Link : Jurnal Teknik Elektro dan Informatika yang dikelola oleh Prodi Teknik Elektro Universitas Muhammadiyah Gresik, Jurnal ini sudah terbit semenjak tahun 2007, tetapi mengalami perubahan E-ISSN pada tahun 2019. E-Link berisi karya-karya Ilmiah Teknik / Rekayasa dibidang Elektro dan Informatika ...