<![CDATA[Penyakit gagal jantung menjadi salah satu penyakit yang memiliki angka kematiian yang tinggi. Penyebab dari gagal jantung antara lain disfungsi miokard, endokard, perikadium, pembuluh darah besar, dan kelainan katup. Terjadinya kesalahan dalam mendiagnosis pasien menjadi permasalahan dalam penelitian ini. Adanya kemajuan teknologi dapat memberi kemudahan dalam segala aktivitas salah satunya dibidang kesehatan. Penelitian ini bertujuan untuk menerapkan algoritma naive bayes classifier untuk mendiagnosis benar tidaknya seorang pasien terkena gagal jantung dan k-means untuk mengelompokkan hasil dari diagnosis penyakit gagal jantung. Metode data mining yang digunakan pada penelitian ini adalah algoritma Naive Bayes untuk mendiagnosis dan algoritma K-Means untuk mengelompokkan penyakit gagal jantung. Data yang digunakan pada penelitian ini bersumber dari Rumah Sakit Umum Muhammadiyah Siti Aminah Bumiayu dengan jumlah 216 record dan 10 atribut. Hasil penelitian menunjukkan bahwa kinerja algoritma naive bayes menggunakan pengujian akurasi confusion matrix dengan nilai akurasi sebesar 80,22%. Berdasarkan hasil pengujian k-means diperoleh sebanyak 94 record yang terkena penyakit gagal jantung dari 216 record. 94 record tersebut diolah kembali menggunakan algoritma k-means menjadi 3 cluster, yaitu cluster rendah, sedang tinggi. Hasil dari klasterisasi yaitu cluster 0=27 record, cluster 1=50 record, cluster 2=17 record dengan mendapatkan validasi davies bouldin index (DBI) sebesar 1,450. Kesimpulannya yaitu penerapan algoritma naive bayes dan k-means dapat digunakan untuk diagnosis terkena penyakit gagal jantung dan mengklaster penyakit gagal jantung]]>
Copyrights © 2024
