Prediksi Serangan Jantung dengan Menggunakan Metode Logistic Regression Classifier dan Adaboost

Article Sidebar

pdf
Published: Apr 24, 2024
DOI: https://doi.org/10.24912/computatio.v8i1.15176
Keywords:
Logistic Regression AdaBoost Prediksi serangan jantung heart attack dataset

Main Article Content

Steven Dharmawan
Universitas Tarumagara
Vincent Fernandes
Universitas Tarumagara
Hizkia Halim
Universitas Tarumagara

Abstract

Serangan jantung merupakan penyebab kematian nomor 1 di dunia pada tahun 2019. Hal ini mendorong kami untuk membuat sebuah aplikasi yang dapat memprediksi resiko terkena serangan jantung. Penelitian yang kami lakukan menggunakan berbagai metode dan mendapatkan akurasi sebesar 86.8421% menggunakan metode Logistic_Regression, 76.3158% menggunakan metode Decision Tree, 86.8421% menggunakan metode RandomForest Classification, 88.1579% menggunakan metode Bagging Classification, 90.7895% menggunakan metode AdaBoost Classification, 88,1579% menggunakan metode Voting_Classifier. Kami meningkatkan akurasi dari penelitian-penelitian yang dilakukan sebelumnya yaitu dari 88.6% menjadi 90.7895%.

Article Details

Issue
Vol. 8 No. 1 (2024): Computatio: Journal of Computer Science and Information Systems
Section
Articles
Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

This work is licensed under Creative Commons Attribution-ShareAlike 4.0 International License.

References

https://www.who.int/en/news-room/fact-sheets/detail/cardiovascular-diseases-(cvds).

Jindall, H., Agrawall, S., Kheral, R., Jain, R., dan Nagrath, P., 2020, Heart disease prediction using machine learning algorithms, https://iopscience.iop.org/article/10.1088/1757-899X/1022/1/012072/pdf.

Prasad, R., Anjali, P., Adil, S., dan Deepa, N., 2019, Heart Disease Prediction using Logistic Regression Algorithm using Machine Learning, https://www.ijeat.org/wp-content/uploads/papers/v8i3S/C11410283S19.pdf.

Bhat, A., Pragathi., Pranamya, M., dan Smitha., 2020, Prediction of Heart Disease Using Logistic Regression, https://www.irjet.net/archives/V7/i6/IRJET-V7I6310.pdf.

Galla, S, S, B., Munaga, M., Manchuri, S, R., Rajalakshmi, 2020, Heart Disease Prediction Using Machine Learning Techniques, https://www.researchgate.net/publication/344557562_Heart_Disease_Prediction_Using_Machine_Learning_Techniques.

Shah, D., Patel, S., dan Santosh, K. B., 2020, Heart Disease Prediction using Machine Learning Techniques, https://link.springer.com/article/10.1007/s42979-020-00365-y.

www.kaggle.com/rashikrahmanpritom/heart-attack-analysis-prediction-dataset?select=heart.csv.

Bisri, A., Romi, S, W., 2015, Penerapan Adaboost untuk Penyelesaian Ketidakseimbangan Kelas pada Penentuan Kelulusan Mahasiswa dengan Metode Decision Tree, https://media.neliti.com/media/publications/243690-penerapan-adaboost-untuk-penyelesaian-ke-f7fdc8fc.pdf.

Prabhat, A., dan Kullar, V., 2017, Sentiment classification on Big Data using Naïve Bayes and Logistic Regression.

Yohana, T, U., Dewi, A, S., Heningtyas, Y., 2020, Penerapan Algoritma C4.5 Untuk Prediksi Churn Rate Pengguna Jasa Telekomunikasi, http://repository.lppm.unila.ac.id/25817/1/2647-6378-1-PB.pdf.

Jacob, H, J., Rune, H, J., Inceoglu, F., Thomas, S, T., 2019, A Cloud Detection Algorithm for Satellite Imagery Based on Deep Learning,

https://www.researchgate.net/publication/334840641_A_cloud_detection_algorithm_for_satellite_imagery_based_on_deep_learning.

Lingga, A, A., Pratiwi, A, M, A., Respatiwulan, 2019, Analisis Sentimen Masyarakat terhadap Hasil Quick Count Pemilihan Presiden Indonesia 2019 pada Media Sosial Twitter Menggunakan Metode Naive Bayes Classifier, https://jurnal.uns.ac.id/ijas/article/viewFile/29998/21230.