Penerapan Algoritma Naïve Bayes (NB) untuk Klasifikasi Penyakit Jantung

Abstract

Abstrak—Penyakit tidak menular (PTM) termasuk penyakit jantung, saat ini menjadi penyebab kematian paling umum di seluruh dunia. Salah satu penyebab kematian paling umum diseluruh dunia adalah penyakit jantung degeneratif yang berkaitan dengan gaya hidup dan kondisi sosial ekonomi masyarakat. Kemajuan teknologi yang luar biasa, mendorong sejumlah penelitian yang bertujuan untuk memudahkan diagnosis penyakit jantung dengan penggunaan machine learning. Karena itu, fokus penelitian ini adalah klasifikasi penyakit jantung. Metode Naïve Bayes (NB) digunakan dengan probabilitas pada setiap datanya. Dataset yang digunakan adalah dataset Heart Disease Clasification Dataset yang diambil dari Kaggle dengan jumlah dataset sebanyak 1320 dataset. Penelitian ini dilakukan dengan tujuan untuk menemukan performa terbaik dari model klasifikasi penyakit jantung. Dengan menerapkan dua teknik evaluasi: teknik split data dan cross validaton.  Hasil penelitian ini  menunjukkan bahwa dengan menggunakan split data  diperoleh accuracy 69,96%, precision 100%, recall 45,94%, dan f1-score 62,92%. Sedangkan dengan mengunakan cross validation diperoleh nilai accuracy 77,25%, precision 82,70%, recall sebesar 81,40% dan f1-score sebesar 76,89%.

Kata Kunci— Penyakit Jantung, Klasifikasi, Naïve Bayes (NB), Split Data, Cross Validation.