Klasifikasi Penyakit Jantung dengan Menggunakan Algoritma C4.5

Arni Sepharni; Iwansyah Edo Hendrawan; Chaerur Rozikin

doi:10.30998/string.v7i2.12012

Klasifikasi Penyakit Jantung dengan Menggunakan Algoritma C4.5

Arni Sepharni^(1*), Iwansyah Edo Hendrawan⁽²⁾, Chaerur Rozikin⁽³⁾

(1) Universitas Singaperbangsa Karawang
(2) Universitas Singaperbangsa Karawang
(3) Universitas Singaperbangsa Karawang
(*) Corresponding Author

Abstract

Heart disease is one of dangerous diseases. The late treatment for the disease will endanger the life of the sufferers. This problem is caused by the difficulty of early detection in patients with heart disease because they always ignore the initial symptoms. In addition, the costs involved in examining heart disease are not cheap because it requires examinations carried out by specialists and laboratory tests. The prediction system is one of options that can be used to perform early detection of heart disease patients at a lower cost, with the costs used in examinations by specialist doctors and laboratory tests can be eliminated and replaced by a prediction system. This study aims to create a prediction system using the C4.5 algorithm by which the predictions based on historical data of the patient to be examined are made. The results obtained from using the C4.5 algorithm to make predictions show an accuracy of 79%, meaning that the results can be expected to be a source of information for further research on prediction systems using the C4.5 algorithm.

Keywords

Heart Disease; Prediction System; C4.5 Algorithm

Full Text:

PDF

References

D. P. Utomo and M. Mesran, “Analisis Komparasi Metode Klasifikasi Data Mining dan Reduksi Atribut Pada Data Set Penyakit Jantung,” J. Media Inform. Budidarma, vol. 4, no. 2, pp. 437–444, 2020.

Y. D. Hastuti and E. D. Mulyani, “Kecemasan Pasien dengan Penyakit Jantung Koroner Paska Percutaneous Coronary Intervention,” J. Perawat Indones., vol. 3, no. 3, pp. 167–174, 2019.

H. M. Nawawi, J. J. Purnama, and A. B. Hikmah, “Komparasi Algoritma Neural Network Dan Naïve Bayes Untuk Memprediksi Penyakit Jantung,” J. Pilar Nusa Mandiri, vol. 15, no. 2, pp. 189–194, 2019.

M. A. Bianto, K. Kusrini, and S. Sudarmawan, “Perancangan Sistem Klasifikasi Penyakit Jantung Mengunakan Naïve Bayes,” Creat. Inf. Technol. J., vol. 6, no. 1, pp. 75–83, 2020.

A. B. Wibisono and A. Fahrurozi, “Perbandingan Algoritma Klasifikasi Dalam Pengklasifikasian Data Penyakit Jantung Koroner,” J. Ilm. Teknol. dan Rekayasa, vol. 24, no. 3, pp. 161–170, 2020.

W. D. Septiani, “Komparasi Metode Klasifikasi Data Mining Algoritma C4. 5 Dan Naive Bayes Untuk Prediksi Penyakit Hepatitis,” J. Pilar Nusa Mandiri, vol. 13, no. 1, pp. 76–84, 2017.

H. Husdi and Y. Lasena, “Real Time Analisys Berbasis Internet Of Things Untuk Prediksi Iklim Lahan Pertanian,” J. MEDIA Inform. BUDIDARMA, vol. 4, no. 3, pp. 834–840, 2020.

M. B. Priyantono, A. A. Rachmawan, L. A. P. Budi, and K. C. Kirana, “Sistem Prediksi Gejala Virus Korona dengan Metode Forward Chaining,” JTERA (Jurnal Teknol. Rekayasa), vol. 5, no. 1, pp. 111–118, 2020.

T. Praningki and I. Budi, “Sistem Prediksi Penyakit Kanker Serviks Menggunakan CART, Naive Bayes, dan k-NN,” Creat. Inf. Technol. J., vol. 4, no. 2, pp. 83–93, 2018.

T. Sutrisno and S. Claudia, “Analisis Rekomendasi Peminatan Menggunakan Metode Decision Tree dengan Algoritma C4. 5,” Comput. J. Comput. Sci. Inf. Syst., vol. 2, no. 2, pp. 178–185, 2018.

E. Ermawati, “Algoritma Klasifikasi C4. 5 Berbasis Particle Swarm Optimization Untuk Prediksi Penerima Bantuan Pangan Non Tunai,” Sist. J. Sist. Inf., vol. 8, no. 3, pp. 513–528, 2019.

S. Widaningsih, “Perbandingan Metode Data Mining Untuk Prediksi Nilai Dan Waktu Kelulusan Mahasiswa Prodi Teknik Informatika Dengan Algoritma C4, 5, Naïve Bayes, Knn Dan Svm,” J. Tekno Insentif, vol. 13, no. 1, pp. 16–25, 2019.

I. P. Astuti, “Prediksi Ketepatan Waktu Kelulusan Dengan Algoritma Data Mining C4. 5,” Fountain Informatics J., vol. 2, no. 2, pp. 41–45, 2017.

R. S. Asa, “Identifikasi Penyaluran Zakat Menggunakan Algoritma C4. 5 (Studi Kasus di BAZNAS Kabupaten Agam),” J. Sains dan Inform. Res. Sci. Inform., vol. 5, no. 1, pp. 44–53, 2019.

R. T. Prasetio and E. Ripandi, “Optimasi Klasifikasi jenis hutan menggunakan deep learning berbasis optimize selection,” J. Inform., vol. 6, no. 1, pp. 100–106, 2019.

Y. Mardi, “Data Mining : Klasifikasi Menggunakan Algoritma C4.5,” J. Edik Inform., vol. 2, no. 2, 2017.

N. Lestari, R. F. Gunawan, S. Informasi, S. Bangek, K. Tangah, and W. Sumatera, “Implementasi Data Mining untuk Menentukan Pola Penjualan dengan Market Basket Analysis,” Inf. Syst. Res. J., vol. 1, 2021.

K. Fatmawati and A. P. Windarto, “Data Mining: Penerapan Rapidminer Dengan K-Means Cluster Pada Daerah Terjangkit Demam Berdarah Dengue (Dbd) Berdasarkan Provinsi,” CESS (Journal Comput. Eng. Syst. Sci., vol. 3, no. 2, pp. 173–178, 2018.

I. Hidayanti, T. B. Kurniawan, and A. Afriyudi, “Perbandingan Dan Analisis Metode Klasifikasi Untuk Menentukan Konsentrasi Jurusan,” J. Ilm. Inform. Glob., vol. 11, no. 1, pp. 16–21, 2020, doi: 10.36982/jig.v11i1.1067.

F. M. Hana, “Klasifikasi Penderita Penyakit Diabetes Menggunakan Algoritma Decision Tree C4.5,” J. SISKOM-KB (Sistem Komput. dan Kecerdasan Buatan), vol. 4, no. 1, pp. 32–39, 2020, doi: 10.47970/siskom-kb.v4i1.173.

DOI: http://dx.doi.org/10.30998/string.v7i2.12012