PERBANDINGAN TINGKAT AKURASI MODEL MACHINE LEARNING UNTUK PREDIKSI PENYAKIT JANTUNG

• DEFRI PRASETYO
• 2024

---

Penelitian ini mengevaluasi perbandingan akurasi antara dua teknik machine learning, K-Nearest Neighbor (KNN) dan Naive Bayes, dalam memprediksi penyakit jantung. Penyakit jantung mencakup berbagai kondisi yang mempengaruhi jantung dan pembuluh darahnya, seperti penyakit jantung koroner, aritmia, gagal jantung, penyakit katup jantung, dan penyakit jantung bawaan. Data gejala dan diagnosa penyakit jantung yang telah tersedia secara publik digunakan untuk melatih dan menguji model. Penelitian ini melibatkan tahapan preprocessing data, pelatihan model, dan evaluasi akurasi pada data training dan testing. Proses preprocessing mencakup pembersihan dan normalisasi data untuk memastikan kualitas input yang optimal. Model KNN dan Naive Bayes kemudian dilatih menggunakan data training dan dievaluasi berdasarkan data testing. Hasil menunjukkan bahwa KNN memiliki akurasi yang lebih tinggi dibandingkan Naive Bayes dalam memprediksi penyakit jantung. Temuan ini diharapkan dapat memberikan kontribusi signifikan dalam penerapan sistem prediksi di bidang medis, khususnya dalam meningkatkan kualitas layanan kesehatan terkait diagnosa penyakit jantung. Dengan demikian, implementasi teknologi machine learning diharapkan dapat membantu tenaga medis dalam mengambil keputusan yang lebih akurat dan cepat dalam penanganan penyakit jantung.

• prediksi penyakit jantung
• machine learning
• K-Nearest Neighbor (KNN)
• dan Naive Bayes

https://repository.bsi.ac.id/repo/56368/PERBANDINGAN-TINGKAT-AKURASI-MODEL-MACHINE-LEARNING-UNTUK-PREDIKSI-PENYAKIT-JANTUNG
Anda dapat membaca file tugas akhir ini di repository.