<![CDATA[Tujuan utama dari penelitian ini adalah untuk menentukan model Klasifikasi antara Naive Bayes / Support Vector Machine (SVM) yang memiliki akurasi atau kinerja terbaik dalam memprediksi penyakit jantung terhadap data yang digunakan. Untuk mencari pengetahuan, proses KDD (Knowledge Discovery in Database) diterapkan dari proses preprocessing data, penambangan data, dan evaluasi hasil. Hasil klasifikasi kedua model tersebut kemudian dievaluasi dengan Test and Score (Cross Validation), Confusion Matric & ROC Analysis pada Orange mining. Hasil akhirnya, SVM lebih unggul dalam akurasi dan kinerja terbaik jika dibandingkan (Model Validasi Silang K-fold 10 dengan pembagian pelatihan 80:20 pengujian) Matriks Akurasi 92,3%, Skor F1 92,7%, Presisi 90,6%, Recall 94,9%, lebih unggul dari setiap matriks dibandingkan dengan Naive Bayes dengan nilai Akurasi 84,6%, F1-Score 85,2%, Presisi 84,1%, Recall 86,3% kemudian dalam Evaluasi Confusion Matriks Naive Bayes True Positive= 454, False Negatif= 72 dan model SVM True Positive= 499, False Negative= 27, SVM lebih unggul, kemudian pada Evaluasi ROC Analysis hasil SVM dengan nilai 0.8 di atas nilai dari Naive Bayes dengan nilai 0.6, Hasil Evaluasi menyimpulkan bahwa model dengan performa terbaik adalah SVM.]]>
Copyrights © 2026
