Klasifikasi Penyakit Jantung Koroner Menggunakan Algoritma Naive Bayes

Authors

  • Denis Prima Putra Salman Politeknik Caltex Riau
  • Wawan Yunanto Politeknik Caltex Riau
  • Memen Akbar Politeknik Caltex Riau

Abstract

Penyakit Jantung Koroner (PJK) merupakan salah satu penyakit kardiovaskular yang menyebabkan kematian sebanyak 17,3 juta jiwa. Lebih dari 3 juta kematian tersebut berusia dibawah 60 tahun yang kemungkinan dapat dicegah lebih dini. Salah satu metode pencegahan adalah melakukan pemeriksaan ke fasilitas kesehatan tingkat I, dimana faskes/klinik tersebut telah memiliki electrocardiogram (EKG) yang menampilkan hasil pemeriksaan jantung. Namun jumlah spesialis jantung di faskes/klinik masih sangat kurang. Oleh karena itu penelitian ini membangun sebuah sistem yang dapat memprediksi PJK berdasarkan hasil pemeriksaan EKG. Sistem ini dibangun menggunakan algoritma naive bayes. Sistem prediksi PJK ini diharapkan dapat membantu para dokter umum yang berada di faskes/klinik untuk mengetahui apakah pasien menderita penyakit jantung koroner atau tidak, sehingga pasien yang menderita PJK dapat melakukan pencegahan dan pengobatan lebih dini. Dari penelitian ini, dengan data training dan data testing yang digunakan, didapatkan akurasi prediksi sebesar 85%.Kata kunci: Penyakit Jantung Koroner, PJK, Data Mining, Naive Bayes

Author Biographies

Denis Prima Putra Salman, Politeknik Caltex Riau

Sistem Informasi

Wawan Yunanto, Politeknik Caltex Riau

Sistem Informasi

Memen Akbar, Politeknik Caltex Riau

Teknik Komputer

References

Soeharto, I. (2004). Penyakit Jantung Koroner & Serangan Jantung. Jakarta: PT. Gramedia Pustaka Utama.

Kemenkes RI. (2014). Retrieved from Kementrian Kesehatan Republik Indonesia: http://depkes.go.id/article/view/201410080002/lingkungan-sehat-jantung-sehat.html.

Han, J., Kamber, M., & Pei, J. (2012). Data Mining Concepts and Techniques. San Fransisco,CA: Morgan Kaufmann.

Pramudiono, I. (2003). Pengantar Data Mining : Menambang Permata Pengetahuan di Gunung Data. Kuliah Umum Ilmu Komputer.com.

Saputra, R. A. (2014). Komparas Algoritma Klasifikasi Data Mining Untuk Memprediksi Penyakit Tuberculosis (TB): STUDI KASUS PUSKESMAS KARAWANG SUKABUMI. Seminar Nasional Inovasi dan Tren (SNIT), 1-8.

Kusuma, P. J. (2013). Data Mining Untuk Mendiagnosa Penyakit Infeksi Saluran Pernafasan (ISPA) Menggunakan Metode Naive Bayes (Studi Kasus : Puskesmas Toroh I Kabupaten Grobogan). Semarang : Universitas Dian Nuswantoro.

Bashir, S., Qamar, U., Khan, F. H., & Javed, M. (2014). MV5: A Clinical Decision Support Framework for Heart Disease Prediction Using Majority Vote Based Classifier Ensemble. Arabian Journal for Science and Engineering, 39(11).

Bustan, M. (2000). Epidemiologi Penyakit Tidak Menular. Jakarta: Rineka Cipta.

Kusrini, & Luthfi, E. T. (2009). Definisi Data Mining. Yogyakarta: Andi.

Prasetyo, E. (2012). Data Mining: Konsep dan Aplikasi menggunakan MATLAB. Yogyakarta: Andi.

Hernawan, A. K. (2015). Aplikasi Data Mining Menggunakan Naive Bayes Classifier Untuk Persetujuan Pengajuan Kredit. Bandung : Universitas Komputer Indonesia.

Dai, W., Xue, G.-R., Yang, Q., & Yu, Y. (2007). Transferring Naive Bayes Classiï¬ers for Text Classiï¬cation.

Bukhari, V. H. (2015). Sentiment Analysis Mengunakan K-Nearest Neighbor Dengan Perbandingan Fungsi Jarak (Studi Kasus : Twitter Indosat dan Telkomsel). Bandung : Universitas Widyatama.

Published

2017-12-18

Issue

Section

Artikel