Wulandari.
Kusrini dan Hanafi Ai Perbandingan Kinerja Algoritma Naive Bayes Dan C4.
5 Dalam Prediksi Penyakit Jantung PERBANDINGAN KINERJA ALGORITMA NAIVE BAYES DAN C4.
DALAM PREDIKSI PENYAKIT JANTUNG
(COMPARISON OF THE PERFORMANCE OF NAIVE BAYES AND C4.
5 ALGORITHM IN HEART
DISEASE PREDICTION)
Sri Wulandari.
Kusrini.
Hanafi.
1, 2,.
Megiter Teknik Informatika Universitas Amikom Yogyakarta e-mail: sriwulan@students.
, kusrini@amikom.
, hanafi@amikom.
ABSTRAK
Teknologi Informasi adalah teknologi pemrosesan data dan berbagai cara untuk menghasilkan informasi berkualitas secara akurat, cepat, dan relevan dengan kebutuhan individu maupun bisnis.
Informasi strategis dari teknologi ini sangat penting dalam pengambilan keputusan.
Pengembangan teknologi informasi menjadi salah satu faktor utama dalam kemajuan zaman.
Beberapa sektor penting yang terdampak oleh teknologi meliputi pendidikan, ekonomi, kesehatan, pemerintahan, dan sosial-budaya.
Pada dasarnya, teknologi dikembangkan untuk membantu pekerjaan manusia dan kini menjadi kebutuhan pokok dalam kehidupan.
Salah satu penerapan pentingnya adalah dalam bidang kesehatan, khususnya untuk memprediksi penyakit jantung.
Prediksi yang akurat dapat membantu pengobatan pasien secara efisien sebelum serangan jantung terjadi.
Tujuan ini dapat dicapai melalui model pembelajaran mesin yang optimal dan data kesehatan yang lengkap.
Oleh karena itu, perbandingan kinerja algoritma Nayve Bayes dan C4.
5 dalam prediksi penyakit jantung diperlukan untuk mendapatkan hasil yang lebih Sebelum pengujian, data perlu diperiksa kelayakannya dan dibagi menjadi data pelatihan serta pengujian.
Penelitian ini menggunakan beberapa skenario pembagian data dengan confusion matrix.
Terdapat enam skenario: masing-masing algoritma diuji dalam tiga variasi rasio data.
Nayve Bayes menunjukkan akurasi 83% .
, 83% .
, dan 85% .
Sementara itu, algoritma C4.
5 menunjukkan performa lebih tinggi dengan akurasi 98% .
, 100% .
, dan 100% .
Hasil ini menunjukkan bahwa C4.
5 lebih unggul dalam prediksi penyakit jantung.
Kata Kunci: Perbandingan.
Nayve Bayes.
C4.
Confusion Matrix
ABSTRACT
Information Technology refers to data processing technologies and various methods used to produce highquality information accurately, quickly, and relevantly, tailored to the needs of individuals and businesses.
Strategic information derived from this technology plays a crucial role in decision-making processes.
The development of information technology is one of the key factors driving modern advancement.
Several critical sectors are significantly influenced by technological progress, including education, economy, healthcare, government, and socio-cultural domains.
Fundamentally, technology is developed to support human tasks and has now become an essential aspect of everyday life.
One of the most important applications of information technology is in the healthcare sector, particularly in predicting heart disease.
Accurate predictions are essential for providing effective treatment before a heart attack occurs.
This goal can be achieved by employing optimal machine learning models combined with comprehensive heart disease datasets.
Therefore, comparing the performance of the Nayve Bayes and C4.
5 algorithms in heart disease prediction is necessary to obtain more accurate results.
Before model evaluation, data must be assessed for suitability and then divided into training and testing sets.
This study applies several data-splitting scenarios using a confusion matrix.
A total of six experimental scenarios were conducted:
each algorithm underwent three tests with varying training and testing ratios.
Nayve Bayes achieved accuracy rates of 83% .
, 83% .
, and 85% .
In contrast, the C4.
5 algorithm demonstrated superior performance with accuracy rates of 98% .
, 100% .
, and 100% .
These results indicate that the C4.
5 algorithm outperforms Nayve Bayes in predicting heart disease.
Keywords: Comparison.
Nayve Bayes.
C4.
Confusion Matrix.
informasi yang relevan, akurat, dan tepat waktu untuk keperluan pribadi dan bisnis.
Informasi Perkembangan teknologi informasi merupakan salah pemrosesan data dan berbagai metode untuk satu faktor penting bagi kemajuan zaman.
Terdapat menghasilkan informasi berkualitas tinggi PENDAHULUAN TEKNIMEDIA - Volume 6.
Nomor 2.
Desember 2025: 148 Ae 153 beberapa sektor yang penting bagi kemajuan teknologi dan mempengaruhi tingkat kemajuan suatu negara, seperti sektor pendidikan, sektor pemerintahan, dan sektor sosial budaya.
Pada memudahkan pekerjaan manusia.
Saat ini, teknologi sudah menjadi kebutuhan utama umat manusia.
Faktanya, teknologi digunakan dalam setiap aspek kehidupan manusiaendahuluan menguraikan latar belakang permasalahan yang diselesaikan, isu-isu yang terkait dengan masalah yang diselesaikan, ulasan penelitan yang pernah dilakukan sebelumnya oleh peneliti lain yang relevan dengan penelitian yang dilakukan .
Penyakit jantung bisa mengancam jiwa jika pengobatannya tertunda.
Masalah ini terjadi karena sulitnya mendeteksi dini pasien penyakit jantung karena selalu mengabaikan gejala pertama yang muncul.
Memprediksi penyakit jantung secara akurat sangat penting untuk mengobati pasien jantung secara efisien sebelum serangan jantung terjadi.
Tujuan ini dapat dicapai dengan menggunakan model pembelajaran mesin yang optimal dengan data kesehatan penyakit jantung yang lengkap .
Gagal jantung merupakan suatu sindrom linis kompleks yang ditandai dengan menurunnya kemampuan jantung dalam memompa darah guna memenuhi kebutuhan oksigen tubuh .
sehingga dilakukan pengolahan data juga dengan menggunakan metode klasifikasi lainnya yaitu Naive Bayes.
Berdasarkan hasil perbandingan kedua algoritma, tingkat akurasi algoritma Naive Bayes lebih baik dibandingkan C4.
5, dengan selisih sebesar 11,77% .
METODE PENELITIAN
Jenis penelitian yang dilakukan adalah penelitian Penelitian kuantitatif merupakan jenis penelitian yang digunakan untuk menganalisis data dengan cara mendeskripsikan atau mengilustrasikan data yang telah dikumpulkan sebelumnya Penelitian kuantitatif menggunakan metodologi penelitian Tujuan analisis korelatif adalah untuk menentukan apakah ada hubungan yang benar atau salah, dan jika ada, seberapa kuat dan benar hubungan tersebut.
Analisis korelasi berfokus pada dua variabel, atau lebih tepatnya, bagaimana variasi suatu variable berhubungan dengan variasi variabel Salah satu jenis penelitian Kuantitatif adalah penelitian empiris, data dalam bentuk angka dan penelitian kualitatif, dan data tidak dalam bentuk Penelitian ini berfokus secara intens pada satu eksperimen tertentu yang dipelajari sebagai studi kasus .
Metode studi kasus memungkinkan Berdasarkan latar belakang diatas, penelitian ini peneliti melakukan analisis yang komprehensif dan berfokus terhadap perbandingan algoritma Naive bermakna.
Alur penelitian dapat dilihat pada gambar Bayes dan c4.
5, pengujian menggung confusion 1 berikut ini:
Olah karena itu mengangkat penelitian tentang AuPerbandingan Kinerja Algoritma Naive Bayes Dan C4.
5 Dalam Prediksi Penyakit JantungAy II.
STUDI PUSTAKA
Pada penelitian membandingkan kinerja dai kedua algoritma yaitu algoritma nayve bayes dan C4.
Algoritma nayve bayes adalah salah satu machine learning yang paling populer dan cocok untuk sebuah data atau analisis data .
Kemudian algoritma C4.
adalah pengklasifikasi pohon pembuatan Keputusan dan sering digunakan untuk mengklasifikasikan data.
Algoritma ini membuat model berdasarkan aturan yang dipilih dari data pelatihan .
Berbagai penelitian sebelumnya telah dilakukan melakukan evaluasi algoritma C4.
5 dan Naive Bayes.
Berdasarkan hasil perbandingan kedua algoritma, tingkat akurasi algoritma Naive Bayes Gambar 1.
Alur Penelitian lebih baik dibandingkan C4.
5, dengan selisih sebesar 11,77% .
Tetapi pada penelitin lain berdasarkan Penelitian ini dilakukan secara sistematis dimulai hasil pengolahan data, dirasa kurang persuasif dari pengumpulan data tahun 2020Ae2024, kemudian Wulandari.
Kusrini dan Hanafi Ai Perbandingan Kinerja Algoritma Naive Bayes Dan C4.
5 Dalam Prediksi Penyakit Jantung membentuk dataset yang siap diolah.
Data selanjutnya diproses pada tahap pre-processing untuk dibersihkan dan disesuaikan dengan kebutuhan analisis.
Setelah itu, data divalidasi dan dibagi menjadi data training dan testing.
Dua algoritma, yaitu Nayve Bayes dan C4.
5, digunakan untuk membangun model prediksi.
Nayve Bayes menggunakan pendekatan probabilistik, sedangkan C4.
5 menggunakan metode pohon keputusan.
Hasil dari kedua model kemudian dievaluasi, dan kesimpulan diambil berdasarkan akurasi yang diperoleh dari masing-masing algoritma.
IV.
HASIL DAN PEMBAHASAN
Jenis penelitian yang dilakukan adalah penelitian Penelitian kuantitatif adalah sejenis studi yang sistematis, terencana, terstruktur.
Kemudian dapat diartikan penyelidikan masalah sosial berdasarkan tes teori, yang terdiri dari variabel berbasis numerik dan prosedur statistik, dan merupakan studi empiris di mana data dapat dihitung dengan cara tertentu, dengan prosedur statistik untuk menentukan apakah generalisasi prediksi teori adalah studi kuantitatif yang benar.
Data yang akan diolah menghasilkan semua hasil akurasi atau numerik .
Pada Peneltian sebelumnya perbandingan komprehensif terhadap metode seleksi fitur dalam prediksi penyakit jantung, serta menunjukkan peran krusial seleksi fitur dalam mengoptimalkan kinerja Hasil ini memberikan panduan praktis dalam memilih teknik seleksi fitur yang sesuai dengan algoritma klasifikasi yang digunakan, sehingga berkontribusi pada pengembangan alat diagnostik yang lebih akurat dan efisien untuk pengambilan keputusan klinis di bidang kardiologi.
Hasilnya.
Mutual Information (MI) memberikan performa terbaik, terutama pada model neural network, dengan akurasi tertinggi 82,3% dan recall 0,94.
Model logistic regression dan random forest juga menggunakan MI.
Sementara itu, model yang lebih sederhana seperti Nayve Bayes dan decision tree bekerja lebih baik dengan ANOVA dan Chi-Square, dengan akurasi masing-masing sekitar 76,45% dan 75,99%.
Model k-NN dan SVM menunjukkan performa paling rendah, di bawah 55% akurasinya .
Pada penelitian sebelumnya membandingkan algoritma C4.
5 dan Naive Bayes untuk prediksi penyakit jantung menggunakan data dari UCI dan Kaggle.
Hasilnya.
C4.
5 mencapai akurasi tertinggi 95,18% setelah seleksi fitur dengan PSO, sementara Naive Bayes tanpa seleksi fitur mencapai akurasi maksimum 90,87% dan AUC 94%.
Meski C4.
unggul dalam akurasi total.
Naive Bayes lebih unggul dalam beberapa metrik evaluasi seperti recall.
F1-score, dan AUC, menunjukkan efisiensi yang baik tanpa proses seleksi fitur tambahan .
Pada penelitian sebelumnya membahas tentang tuberculosis yang disebabkan oleh bakteri Mycobacterium Tuberculosis dan merupakan salah satu penyakit menular yang masih tinggi kasusnya di Indonesia.
Untuk membantu diagnosis dan deteksi dini, penelitian ini membandingkan algoritma klasifikasi Nayve Bayes dan C4.
Dengan menggunakan model 10-fold cross validation dan confusion matrix, hasil menunjukkan bahwa C4.
memiliki akurasi lebih tinggi .
%) dibandingkan Nayve Bayes .
%), sehingga lebih efektif untuk klasifikasi data tuberculosis .
Pada penelitian ini memperoleh data dari platform online yaitu Kaggle sebuah platform yang dapat diakses pada berbagai macam browser.
Kaggle sangat mambantu para peneliti atau data scientist untuk kebutuhan penelitian .
Data Kaggle dapat dilihat pada Gambar 2 berikut ini:
Gambar 2.
Mengumpulkan data Mengolah dasaset pada google collaboratoty, perlu dilakukan mount pada gambar 3 dibawah Gambar 3.
Melakukan mount pada dataset Setelah menampilkan dataset, dilakukan perhitungan untuk mengetahui jumlah masingmasing kelas pada gambar 4 dibawah ini:
TEKNIMEDIA - Volume 6.
Nomor 2.
Desember 2025: 148 Ae 153 Gambar 6 Pembagian data Gambar 4 Perhitungan masin-masing kelas Preprocessing adalah sebuah langkah penting saat menggunakan algoritma untuk pembelajaran mesin dan analisis teks.
Tujuan utama preprocessing adalah untuk membersihkan dan membuat data dengan cara ini untuk membuatnya lebih mudah untuk dianalisis dan mendapatkan hasil yang lebih akurat .
Untuk memastikan dataset siap dan layak digunakan pada algoritma Naive Bayes dan C4.
5 dalam melakukan klasifikasi penyakit jantung, perlu dilakukan preprocessing dengan langkah sebagai Pembersihan Data: untuk memastikan tidak terdapat data yang hilang, perlu dilakukan pemeriksaan terlebih dahulu terhadap dataset yang disiapkan.
proses pemeriksaan dataset dilakukan menggunakan fungsi isnull seperti pada gambar pada gambar 5 di bawah ini:
Menunjukan proses pembagian dataset secara otomatis menggunakan fungsi train_test_split.
dimana pada contoh ini 30% dataset dijadikan sebagai data testing dan 70% dijadikan sebagai data Variabel X_train akan menampung atribut untuk data training dan variabel y_train akan menampung label untuk data training demikian pula untuk variabel X_test dan y_test yang menampung atribut dan label untuk data testing.
hasil pembagian dataset dapat dilihat pada tabel 1 beikut ini:
Tabel 1.
Pembagian data Skenario Percobaan Untuk mendapatkan model klasifikasi yang diharapkan, skenario percobaan yang akan dibuat dengan membandingkan dua Dalam penelitian ini akan melakukan 6 .
skenario percobaan yang dapat dilihat pada Tabel 2 berikut ini:
Tabel 2.
Skenario percobaan Gambar 5.
Validasi dataa Pembagian Data: untuk dapat melakukan proses pelatihan .
dan pengujian .
terhadap model, perlu dilakukan proses pembagian data.
sebelum melakukan pembagian data training dan testing, terlebih dahulu dilakukan pemisahan antara fitur dan label seperti pada gambar 6 berikut ini:
Analisis Hasil Percobaan Dalam penelitian ini, algoritma Naive Bayes dan C4.
5 diterapkan untuk melakukan klasifikasi penyakit jantung.
Evaluasi terhadap kinerja kedua algoritma tersebut menggunakan confusion matrix.
Confusioan matrix adalah sebuah tabel yang membandingkan hasil prediksi dengan data asli dan memberikan informasi tentang jumlah prediksi yang benar .
enar kesalahan prediksi positif dan bena.
lse positif dan false negativ.
Berikut hasil analisis masingmasing skenario dapat dilihat pada table 3 berikut ini:
Wulandari.
Kusrini dan Hanafi Ai Perbandingan Kinerja Algoritma Naive Bayes Dan C4.
5 Dalam Prediksi Penyakit Jantung Tabel 3.
Hasil percobaan Jantung,Ay SENTIMAS Semin.
Nas.
Penelit.
Pengabdi.
Masy.
, pp.
78Ae85, 2023, [Onlin.
Available:
https://w.
com/datasets/fedesoriano/hea rt-failure-prediction, .
Dari tabel 3 diketahui skenario lima dan enam merupakan skenario dengan akurasi tertinggi yang terbaru .
menggunakan algoritma C4.
Algoritma Naive Bayes yang diuji pada skenario satu, dua dan tiga, tidak menghasilkan akurasi yang lebih baik dari semua pengujian pada algoritma C4.
perbandingan dapat dilihat grafik pada gambar 7 berikut ini:
Syahrizal and M.
Jailani.
AuJenis-Jenis Penelitian Dalam Penelitian Kuantitatif dan Kualitatif,Ay J.
QOSIM J.
Pendidik.
Sos.
Hum.
1, no.
1, pp.
13Ae23, 2023, doi:
61104/jq.
Perbandingan kinerja algoritma sangat di pengaruhi oleh pembagian data pelatihan dan data .
pengujian yang digunakan.
Kemudian dengan adanya perbandingan algoritma dapat menjadi perbandingan pada saat menggunakan algoritma atau pembagian data.
Pada skenario lima dan enam .
merupakan skenario dengan akurasi tertinggi yang menggunakan algoritma C4.
algoritma Naive Bayes yang diuji pada skenario satu, dua dan tiga, tidak menghasilkan akurasi yang lebih baik dari semua .
pengujian pada algoritma C4.
VI.
DAFTAR PUSTAKA