ANALISIS DATA PENYAKIT JANTUNG MENGGUNAKAN ALGORITMA DECISION TREE DAN SUPPORT VECTOR MACHINES (SVM)
Article Sidebar
Read Counter : 0
Download : 0
Main Article Content
Abstract
Heart disease is one of the main causes of death worldwide, so data analysis is becoming increasingly important in efforts to prevent and treat heart disease. In this study, heart disease data analysis uses two supervised learning algorithms, namely Decision Trees and Support Vector Machines (SVM). On this occasion, the dataset used was a collection of data containing various variables such as age, gender, blood pressure, heart test results and others. The steps taken include data pre-processing, separating the dataset into training and testing data, model training, and evaluating model performance. After comparing the performance of the two methods in predicting the presence of heart disease in patients, the experimental results show that both methods provide good predictions, but SVM tends to have slightly higher accuracy than Decision Tree on the dataset used. Hopefully these results can be useful and add valuable new knowledge for medical professionals and the general public in early detection and treatment of heart disease.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Menawarkan akses terbukaReferences
[1] L. Bachtiar, S. Maywati dan R. A. Gustaman, “FAKTOR RISIKO YANG BERHUBUNGAN DENGAN KEJADIAN PENYAKIT JANTUNG KORONER (PJK) (Analisis Data Sekunder di Rumah Sakit Umum Daerah Kabupaten Subang),” Jurnal Kesehatan komunitas Indonesia, vol. I, p. 53, 2023.
[2] G. M. Ariaty, R. W. Sudjud dan R. H. Sitanggang, “Angka Mortalitas pada Pasien yang Menjalani Bedah Pintas Koroner berdasar Usia, Jenis Kelamin, Left Ventricular Ejection Fraction, Cross Clamp Time, Cardio Pulmonary Bypass Time, dan Penyakit Penyerta,” Jurnal Anestesi Perioperatif, p. 155, 2019.
[3] L. F. Tampubolon, A. Ginting dan F. E. S. Turnip, “GAMBARAN FAKTOR YANG MEMPENGARUHI KEJADIAN PENYAKIT JANTUNG KORONER (PJK) DI PUSAT JANTUNG TERPADU (PJT),” Jurnal Ilmiah Permas: Jurnal Ilmiah STIKES Kendal, vol. 13, no. 3, p. 1044, 2023.
[4] Melyani, L. N. Tambunan dan E. P. Barinbing, “Hubungan Usia dengan Kejadian Penyakit Jantung Koroner pada Pasien Rawat Jalan di RSUD dr. Doris Sylvanus Provinsi Kalimantan Tengah,” Jurnal Surya Medika, vol. 9, p. 120, 2023.
[5] S. Retno, N. A. Wibowo dan I., “Identifikasi Faktor Kejadian Penyakit Jantung Koroner Terhadap Wanita Usia ≤ 50 Tahun di RSU Haji Surabaya,” Jurnal Manajemen Asuhan Keperawatan , vol. 6, p. 54, 2022.
[6] D. G. Pradana, M. L. Alghifari, M. F. Juna dan S. D. Palaguna, “Klasifikasi Penyakit Jantung Menggunakan Metode Artificial Neural Network,” Indonesian Journal of Data and Science (IJODAS), vol. 3, no. 2, p. 56, 2022.
[7] R. Hikmatulloh, H. M. P dan Q. Aini, “Penerapan Decision Tree untuk Prediksi Kepuasan Pengguna Bus Transjakarta,” Innovation in Research of Informatics (INNOVATICS), vol. 2, no. 2, p. 42, 2020.
[8] A. Fatwa, “PENERAPAN ALGORITMA SUPPORT VECTOR MACHINE (SVM)UNTUK KLASIFIKASI PENCEMARAN NAMA BAIKDI MEDIA SOSIAL TWITTER,” KOMPUTA: Jurnal Ilmiah Komputer dan Informatika, vol. 12, no. 1, p. 75, 2023.
[9] K. A. Rokhman, B. dan P. Arsi, “PERBANDINGAN METODE SUPPORT VECTOR MACHINE DAN DECISION TREE UNTUK ANALISIS SENTIMEN REVIEW KOMENTAR PADA APLIKASI TRANSPORTASI ONLINE,” JOISM: JURNAL OF INFORMATION SYSTEM MANAGEMENT, vol. 2, no. 2, p. 3, 2021.
[10] A. Kulsumarwati, I. Purnamasari dan B. A. Dermawan, “PENERAPAN SVM DAN INFORMATION GAIN PADA ANALISIS SENTIMEN PELAKSANAAN PILKADA SAAT PANDEMI,” Jurnal Teknologi Informatika dan Komputer MH. Thamrin, vol. 7, no. 2, p. 104, 2021.
[11] N. I. Nella, N. Y. Setiawan dan D. E. Ratnawati, “Klasifikasi Penerima Bantuan Program Keluarga Harapan menggunakan Algoritme Decision Tree C4.5 (Studi Kasus: Desa Mlirip Kabupaten Mojokerto),” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 6, no. 3, p. 1333, 2022.
[12] S. P. Barus, “Penerapan Model Decision Tree pada Machine Learning untuk Memprediksi Calon Potensial Mahasiswa Baru,” Jurnal IKRAITH-INFORMATIKA, vol. 6, no. 2, p. 60, 2022.
[13] E. Fauziningrum dan E. I. Suryaningsih, “PENERAPAN DATA MINING METODE DECISION TREE UNTUK MENGUKUR PENGUASAAN BAHASA INGGRIS MARITIM (STUDI KASUS DI UNIVERSITAS MARITIM AMNI),” Jurnal Saintek Maritim, vol. 22, no. 1, p. 45, 2021.
[14] B. H. Mawaridi dan M. Faisal, “Rekomendasi Merek Mobil Untuk Calon Pembeli Menggunakan Algoritma Decision Tree,” JURNAL INFORMATIKA, vol. 10, no. 2, p. 158, 2023.
[15] M. F. Asshiddiqi dan K. M. Lhaksamana, “Perbandingan Metode Decision Tree dan Support Vector Machine untuk Analisis Sentimen pada Instagram Mengenai Kinerja PSSI,” e-Proceeding of Engineering, vol. 7, no. 3, p. 9942, 2020.