<![CDATA[Stroke salah satu penyakit yang dapat menyebabkan kematian dan kecacatan permanen apabila tidak dideteksi sejak dini. Stroke merupakan penyebab kematian kedua terbanyak dan kecacatan ketiga terbanyak di dunia. Teknologi data mining dapat dimanfaatkan untuk membantu proses prediksi penyakit stroke dengan lebih cepat dan akurat. Penelitian ini bertujuan menerapkan dua Algoritma klasifikasi yaitu Decision Tree dan Naïve Bayes untuk memprediksi risiko stroke berdasarkan data kesehatan pasien. Dataset yang digunakan sebanyak 4.149 data yang terdiri dari atribut usia, tekanan darah, kadar glukosa, indeks massa tubuh, dan kebiasaan merokok. Penelitian ini dataset dibagi menjadi 2 bagian yaitu data training 80% dan data testing 20% menggunakan split validation. Pengujian menggunakan Confusion Matrics, derdasarkan hasil pengujian yang telah dilakukan pada penelitian ini, algoritma Decision Tree mempunyai nilai akurasi dan Recall tertinggi dibandingkan dengan Algoritma Naïve Bayes yaitu Akurasi 97,23% dan Recall 99,63%. Dengan demikian, Decision Tree lebih direkomendasikan sebagai metode klasifikasi untuk prediksi penyakit stroke pada data ini. Temuan ini diharapkan dapat menjadi dasar pengembangan sistem pendukung keputusan medis dalam deteksi dini penyakit stroke. Penelitian ini dapat dilakukan pengembangan lebih lanjut dengan menambah fitur tambahan seperti negara, status gaya hidup untuk meningkatkan ketepatan prediksi]]>
Copyrights © 2025
