Analisis Algoritma Gaussian Naive Bayes Terhadap Klasifikasi Data Pasien Penderita Gagal Jantung
Abstract
Penelitian ini menjelaskan penggunaan algoritma Gaussian Naive Bayes terhadap klasifikasi data pasien penderita gagal jantung. dataset yang digunakan dalam penelitian ini berasal dari Kaggle dengan jumlah variabel sebanyak 30 yang diperoleh dari data pasien penderita gagal jantung sebanyak 1000 orang. Pada tahap skenario uji coba dalam penelitian ini menggunakan Cross Fold Validation dengan nilai k= 2, 4, 5, dan 10. Penentuan kriteria hasil klasifikasi terhadap output data asli (nilai aktual) menggunakan confusion matrix. Dari implementasi yang dilakukan menggunakan algoritma Gaussian Naive Bayes terhadap data pasien penderita gagal jantung diperoleh hasil validasi terbaik pada fold 10 tahap 9 dengan skenario 4 yaitu akurasi sebesar 69%, untuk nilai presisi terbaik terdapat pada fold 4 tahap 4 dengan skenario 2 sebesar 65,73% dan nilai recall tertinggi pada fold 10 tahap 4 skenario 4 sebesar 95,91%.
Kata Kunci: Klasifikasi, Gaussian Naive Bayes, Gagal Jantung, Cross Validation.
Full Text:
PDFReferences
Bustami. (2014). PENERAPAN ALGORITMA NAIVE BAYES. 8(1), 884–898.
Fitria. (2013). Gambaran Tipe Kepribadian pada Pasien Gagal Jantung Kongestif di RSUD Dr. Moewardi Surakarta. Journal of Chemical Information and Modeling, 53(9), 1689–1699.
Han, J., Kamber, M., & Pei, J. (2012). Third Edition : Data Mining Concepts and Techniques. Journal of Chemical Information and Modeling, 53(9), 1689–1699. Retrieved from http://library.books24x7.com/toc.aspx?bkid=44712
hidayah nur umi, & dkk. (2021). hidayah nur umi dkk. NALISIS METODE K NEAREST NEIGHBOR TERHADAP KLASIFIKASI DATA PASIEN PENDERITA GAGAL JANTUNG, 28, 145–158. Retrieved from http://www.riss.kr/link?id=A99932365
https://jupyter.org/
https://www.kaggle.com/jackleenrasmybareh/heart-failure.
Kamel, H., Abdulah, D., & Al-Tuwaijari, J. M. (2019). Cancer Classification Using Gaussian Naive Bayes Algorithm. Proceedings of the 5th International Engineering Conference, IEC 2019, 165–170. https://doi.org/10.1109/IEC47844.2019.8950650
Kemenkes RI. (2014). Situasi kesehatan jantung. Pusat Data Dan Informasi Kementerian Kesehatan RI, 3. https://doi.org/10.1017/CBO9781107415324.004
Larose, D. T., & Larose, C. D. (2014). DISCOVERING KNOWLEDGE IN DATA An Introduction to Data Mining Second Edition Wiley Series on Methods and Applications in Data Mining.
Maggioni, A. P., Dahlström, U., Filippatos, G., Chioncel, O., Leiro, M. C., Drozdz, J., … Asserlund, B. (2013). EURObservational Research Programme: Regional differences and 1-year follow-up results of the Heart Failure Pilot Survey (ESC-HF Pilot). European Journal of Heart Failure, 15(7), 808–817. https://doi.org/10.1093/eurjhf/hft050
Naparin, H. (2016). KLASIFIKASI PEMINATAN SISWA SMA MENGGUNAKAN. 02(01), 25–32.
PERKI. (2015). Current capacity and thermal transport in carbon nanofiber interconnects. 4th IEEE International Conference on Nano/Micro Engineered and Molecular Systems, NEMS 2009, 848–853. https://doi.org/10.1109/NEMS.2009.5068708
Ponikowski, P., Anker, S. D., AlHabib, K. F., Cowie, M. R., Force, T. L., Hu, S., … Filippatos, G. (2014). Heart failure: preventing disease and death worldwide. ESC Heart Failure, 1(1), 4–25. https://doi.org/10.1002/ehf2.12005
Purwatiningsih, I., & Nilogiri, A. (2020). No Title طرق وسترتيغى تعليم اللغة العربية. 291–294.
Raharja, K. Y., Oktavianto, H., & Umilasari, R. (2021). PERBANDINGAN KINERJA ALGORITMA GAUSSIAN NAIVE BAYES DAN K-NEAREST NEIGHBOR ( KNN ) UNTUK MENGKLASIFIKASI PENYAKIT HEPATITIS C VIRUS ( HCV ) C . Cara untuk melakukan diagnosa dini terhadap penyakit Hepatitis C adalah potensial dan berguna yang tersimpan da. 1–12.
Wibowo, A. P., & Jumiati, E. (2016). Sentiment Analysis Masyarakat Pekalongan Terhadap Pembangunan Jalan Tol Pemalang-Batang Di Media Sosial. (0285).
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.