MODEL KOMPARASI ALGORITMA DECISION TREE UNTUK PREDIKSI PENYAKIT JANTUNG

Rohman, Abdul

Neo Teknika: Jurnal Ilmiah Teknologi
Vol 7, No 2 (2021): Vol 7 No 2 (2021) : Jurnal Neoteknika Volume 7 Nomer 2 Desember 2021

Penyakit jantung merupakan penyebab kematian tertinggi di dunia dan Indonesia. Kemampuan sistem prediksi menjadi penting bagi praktisi kesehatan dalam pengambilan keputusan yang cepat dan akurat. Pada penelitian ini dilakukan komparasi tiga algoritma Decision Tree, yaitu C4.5, CART, dan Random Forest, menggunakan dataset penyakit jantung UCI. Evaluasi dilakukan melalui confusion matrix dan ROC curve untuk melihat akurasi dan AUC setiap algoritma.Hasil pengujian menunjukkan bahwa Random Forest memberikan performa terbaik dengan akurasi 90,12% dan AUC 0,972, disusul CART (87,41%; AUC 0,960) dan C4.5 (86,59%; AUC 0,957). Hal ini membuktikan bahwa ensemble-based Decision Tree mampu memberikan akurasi yang lebih stabil dibandingkan pohon tunggal.Kata Kunci: Decision Tree, C4.5, CART, Random Forest, Penyakit Jantung