<![CDATA[Stroke merupakan satu diantara penyakit mematikan yang bisa terjadi secara mendadak dan bisa menyebabkan kematian/kecacatan. Prediksi dini risiko stroke sangat krusial guna mendukung tindakan an-tisipasi dan penanganan yang tepat. Penelitian ini membandingkan akurasi dua algoritma klasifikasi, yaitu Naive Bayes dan C4.5, dalam memprediksi risiko stroke berdasarkan data medis pasien. Metode pemilihan atribut menggunakan matriks korelasi diterapkan untuk memilih fitur yang paling relevan guna meningkatkan akurasi model. Data yang digunakan merupakan dataset stroke dari situs Kaggle. Hasil penelitian memperlihatkan penerapan matriks korelasi sebagai teknik seleksi atribut meningkatkan akurasi kedua algoritma. Algoritma C4.5 memberikan akurasi tertinggi men-capai 95%. Atribut yang berpengaruh signifikan dalam prediksi stroke antara lain tipe tempat tinggal, jenis kelamin, penyakit jantung, hipertensi, rata-rata kadar glukosa, dan status merokok. Dengan demikian, kombinasi seleksi fitur berbasis matriks korelasi dan algoritma C4.5 efektif untuk membangun model prediksi risiko stroke yang akurat dan dapat menjadi alat bantu diagnosis medis]]>
Copyrights © 2025
