Klasifikasi Penyakit Jantung Menggunakan Metode Artificial Neural Network

  • David Pradana amikom
  • Muhammad Luthfi Alghifari Universitas Amikom Yogyakarta
  • Muhammad Farhan Juna Universitas Amikom Yogyakarta
  • Dwisiwi Palaguna Universitas Amikom Yogyakarta
Keywords: ANN, Jantung, Klasifikasi

Abstract

Secara global, penyebab kematian nomor satu setiap tahunnya adalah penyakit jantung. Penyakit jantung adalah sebuah kondisi yang menyebabkan jantung tidak dapat melaksanakan tugasnya dengan baik.  Artificial Neural Network (ANN) merupakan model penalaran yang didasarkan pada otak manusia. Penelitian ini mencakup pengukuran performa (akurasi, presisi, recall dan f-score) metode ANN dengan 304 data pasien penyakit jantung yang diperoleh dari pusat dataset Kaggle. Hasil dari pengukuran performa diperoleh nilai akurasi 73,77%, presisi 80,43%, recall 84,09% dan f1-score sebesar 82,22%

Downloads

Download data is not yet available.

References

M. M. Baharuddin, T. Hasanuddin, and H. Azis, “Analisis Performa Metode K-Nearest Neighbor untuk Identifikasi Jenis Kaca,” Ilk. J. Ilm., vol. 11, no. 28, pp. 269–274, 2019.

Rizky Ade Putranto, Triastiti Wuryandari, and Sudarno, “Perbandingan Analisis Klasifikasi Antara Decision Tree Dan Support Vector Machine Multiclass Untuk Penentuan Jurusan Pada Siswa Sma,” J. Gaussian, vol. 4, no. 4, pp. 1007–1016, 2015.

W. Safira Azis and dan Dedy Atmajaya, “Pengelompokan Minat Baca Mahasiswa Menggunakan Metode K-Means,” Ilk. J. Ilm., vol. 8, no. 2, pp. 89–94, 2016.

S. Chugh, K. Arivu Selvan, and R. K. Nadesh, “Prediction of heart disease using apache spark analysing decision trees and gradient boosting algorithm,” IOP Conf. Ser. Mater. Sci. Eng., vol. 263, no. 4, pp. 0–10, 2017, doi: 10.1088/1757-899X/263/4/042078.

H. Zhang, “The optimality of Naive Bayes,” Proc. Seventeenth Int. Florida Artif. Intell. Res. Soc. Conf. FLAIRS 2004, vol. 2, pp. 562–567, 2004.

Y. Salim, Y. Puspitasari, H. Azis, and R. Anas, “The use of augmented reality to educate preschoolers on preventing dental malocclusion,” Bull. Soc. Informatics Theory Appl., vol. 3, no. 2, pp. 56–60, 2019.

L. Nurhayati and H. Azis, “Perancangan Sistem Pendukung Keputusan Untuk Proses Kenaikan Jabatan Struktural Pada Biro Kepegawaian,” Semin. Nas. Teknol. Inf. dan Multimed., pp. 6–7, 2016.

H. Azis and R. Wardoyo, “Penerapan Network Steganography Menggunakan Metode Modifikasi LACK Dan Layanan Message Authentication Code Pada Voip Network Steganography System with modification of LACK and Message Authentication Code on VoIP,” Semin. Nas. Komun. dan Inform., pp. 13–19, 2015.

H. Azis, F. T. Admojo, and E. Susanti, “Analisis Perbandingan Performa Metode Klasifikasi pada Dataset Multiclass Citra Busur Panah,” Techno.Com, vol. 19, no. 3, 2020.

F. Muharram, H. Azis, and A. R. Manga, “Analisis Algoritma pada Proses Enkripsi dan Dekripsi File Menggunakan Advanced Encryption Standard (AES),” Pros. Semin. Nas. Ilmu Komput. dan Teknol. Inf., vol. 3, no. 2, pp. 112–115, 2018.

D. D. Novita, A. B. Sesunan, M. Telaumbanua, S. Triyono, and T. W. Saputra, “Identifikasi Jenis Kopi Menggunakan Sensor E-Nose Dengan Metode Pembelajaran Jaringan Syaraf Tiruan Backpropagation,” J. Ilm. Rekayasa Pertan. dan Biosist., vol. 9, no. 2, pp. 205–217, 2021, doi: 10.29303/jrpb.v9i2.241.

Herman et al., “Comparison of Artificial Neural Network and Gaussian Naïve Bayes in Recognition of Hand-Writing Number,” Proc. - 2nd East Indones. Conf. Comput. Inf. Technol. Internet Things Ind. EIConCIT 2018, no. 1, pp. 276–279, 2018, doi: 10.1109/EIConCIT.2018.8878651.

I. Fauzan, “Artificial Intelligence (AI) Pada Proses Pengawasan dan Pengendalian Kepegawaian - Sebuah Eksplorasi Konsep Setelah Masa Pandemi Berakhir,” J. Civ. Serv., vol. 14, no. 1, pp. 31–42, 2020.

F. Tangguh and Y. Islami, “Analisis performa algoritma Stochastic Gradient Descent ( SGD ) dalam mengklasifikasi tahu berformalin,” Indones. J. Data Sci., vol. 3, no. 1, pp. 1–8, 2022.

H. Nursan and Muslim, “Penerapan Metode Digital Watermarking dan Privilege pada Dokumen Skripsi,” Indones. J. Data Sci., vol. 1, no. 1, pp. 19–22, 2020.

N. Litha and T. Hasanuddin, “Analisis Performa Metode Moving Average Model untuk Prediksi Jumlah Penderita Covid-19,” Indones. J. Data Sci., vol. 1, no. 3, pp. 87–95, 2020.

Sugiarti and Mirnawati, “Implementasi Algoritma Goverment Standard ( GOST ) dalam Pengamanan File Dokumen,” Indones. J. Data Sci., vol. 1, no. 2, pp. 52–56, 2020.

Hasran, “Klasifikasi Penyakit Jantung Menggunakan Metode K-Nearest Neighbor,” Indones. J. Data Sci., vol. 1, no. 1, pp. 1–4, 2020.

K. Ilunga, T. Lumbala, and K. Mulenda, “Application of Big data to configuration management in a PLM context,” Indones. J. Data Sci., vol. 3, no. 1, pp. 9–16, 2022.

A. Maulida, “Penerapan Metode Klasifikasi K-Nearest Neigbor pada Dataset Penderita Penyakit Diabetes,” Indones. J. Data Sci., vol. 1, no. 2, pp. 29–33, 2020.

A. Prasetya Wibawa, W. Lestar, A. Bella Putra Utama, I. Tri Saputra, and Z. Nabila Izdihar, “Multilayer Perceptron untuk Prediksi Sessions pada Sebuah Website Journal Elektronik,” Indones. J. Data Sci., vol. 1, no. 3, pp. 57–67, 2020, doi: 10.33096/ijodas.v1i3.15.

I. P. Putri, “Analisis Performa Metode K- Nearest Neighbor (KNN) dan Crossvalidation pada Data Penyakit Cardiovascular,” Indones. J. Data Sci., vol. 2, no. 1, pp. 21–28, 2021, doi: 10.33096/ijodas.v2i1.25.

D. Cahyanti, A. Rahmayani, and S. Ainy, “Analisis performa metode Knn pada Dataset pasien pengidap Kanker Payudara,” Indones. J. Data Sci., vol. 1, no. 2, pp. 39–43, 2020.

Published
2022-07-31