KOMPARASI ALGORITMA NAÃVE BAYES DAN DECISION TREE DALAM MELAKUKAN KLASIFIKASI PENYAKIT STROKE PADA DATASET STROKE PREDICTION
Total View This Week0
Total View This Week0
Institusion
Universitas Dinamika Bangsa
Author
Givary, Jose
Subject
Analisis Sistem Informasi
Datestamp
2024-11-13 04:13:03
Abstract :
Penelitian ini mengeksplorasi pemanfaatan machine learning untuk mengkomparasi dua algoritma dalam mengklasifikasi penyakit stroke dengan menggunakan algoritma Naïve Bayes dan Decision Tree. Dataset stroke prediction yang digunakan mencakup beragam fitur klinis dan faktor risiko stroke dari rekam medis pasien yang didiagnosis menderita atau tidak menderita stroke. Metode klasifikasi Naïve Bayes dan Decision Tree diimplementasikan dalam tahap training dan testing model. Hasil eksperimen menunjukkan bahwa model algoritma Naïve Bayes mencapai tingkat akurasi sebesar 89%, sedangkan model algoritma Decision Tree mencapai tingkat akurasi sebesar 91%. Implikasi dari penelitian ini adalah peningkatan presisi dalam diagnosis penyakit serius seperti stroke dengan memanfaatkan machine learning. Penelitian ini tidak hanya memberikan kontribusi terhadap pengembangan teknologi dalam bidang kesehatan, tetapi juga menggambarkan potensi penerapan algoritma Naïve Bayes dan Decision Tree sebagai alat yang efektif dalam mendukung praktisi kesehatan dalam mengidentifikasi dan mengklasifikasikan penyakit stroke. Penelitian ini berkontribusi pada meningkatkan diagnosis stroke dengan menggunakan algoritma Naïve Bayes dan Decision Tree.
Penelitian ini mengeksplorasi pemanfaatan machine learning untuk mengkomparasi dua algoritma dalam mengklasifikasi penyakit stroke dengan menggunakan algoritma Naïve Bayes dan Decision Tree. Dataset stroke prediction yang digunakan mencakup beragam fitur klinis dan faktor risiko stroke dari rekam medis pasien yang didiagnosis menderita atau tidak menderita stroke. Metode klasifikasi Naïve Bayes dan Decision Tree diimplementasikan dalam tahap training dan testing model. Hasil eksperimen menunjukkan bahwa model algoritma Naïve Bayes mencapai tingkat akurasi sebesar 89%, sedangkan model algoritma Decision Tree mencapai tingkat akurasi sebesar 91%. Implikasi dari penelitian ini adalah peningkatan presisi dalam diagnosis penyakit serius seperti stroke dengan memanfaatkan machine learning. Penelitian ini tidak hanya memberikan kontribusi terhadap pengembangan teknologi dalam bidang kesehatan, tetapi juga menggambarkan potensi penerapan algoritma Naïve Bayes dan Decision Tree sebagai alat yang efektif dalam mendukung praktisi kesehatan dalam mengidentifikasi dan mengklasifikasikan penyakit stroke. Penelitian ini berkontribusi pada meningkatkan diagnosis stroke dengan menggunakan algoritma Naïve Bayes dan Decision Tree.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
