Perancangan Sistem Klasifikasi Penyakit Jantung Mengunakan Naïve Bayes

Abstract

Serangan Jantung adalah salah satu penyakit yang paling mematikan tercatat di dunia, terdapat jumlah kasus baru Penyakit Jantung sebanyak 43,32% serta jumlah kematian sebanyak 12,91%. Pada tahun 2013 jumlah penderita Penyakit Jantung di Indonesaia sejumlah 61.682 orang, pada umumnya jumlah penderita penyakit ini terus meningkat dikarenakan kurangnya pengetahuan atau informasi tentang penyakit jantung tersebut, oleh karena itu dibutuhkan sebuah sistem yang dapat memberikan informasi serta klasifikasi penyakit secara dini yang dapat digunakan untuk klasifikasi apabila seseorang ingin mengetahui informasi ataupun gejala awal serangan jantung. Metode naïve bayes merupakan salah satu metode yang digunakan untuk melakukan klasifikasi berdasarkan probabilitas atau kemungkinan dari data sebelumnya, selain pendekatannya sederhana metode tersebut juga dapat melakukan klasifikasi secara baik. Mekanisme pengujiannya yaitu membagi 303 data kedalam 5 subset yang akan divalidasi dengan 5-fold cross validation. Hasil akhir dari penelitian ini adalah penerapan sistem klasifikasi dengan menggunakan metode naïve bayes yang akan menghasilkan nilai rata-rata akurasi sebesar 90,61%, presisi sebesar 87,44 %, dan recall sebesar 87,95%.
Kata Kunci — klasifikasi, penyakit jantung, naïve bayesClassifier

Heart attack is one of the most deadly diseases recorded in the world, there are a number of new cases of heart disease as much as 43.32% and the number of deaths as much as 12.91%. In 2013 the number of sufferers of heart disease in Indonesia amounted to 61,682 people, in general the number of sufferers of this disease continues to increase due to lack of knowledge or information about heart disease, therefore we need a system that can provide information and classification of diseases early that can be used for classification if someone wants to find out information or early symptoms of a heart attack. Naïve Bayes method is one of the methods used to classify based on the probability or likelihood of previous data, in addition to a simple approach the method can also do a good classification. The testing mechanism is to divide 303 data into 5 subsets that will be validated by 5-fold cross validation. The final result of this study is the application of the classification system using the Naïve Bayes method which will produce an average accuracy value of 90.61%, a precision of 87.44%, and a recall of 87.95%.
Keywords — classification, heart disease, naïve bayes