Analisis Algoritma Decesion Tree, KNN dan Naïve Bayes Pada Dataset Penyakit Jantung

Abstract

Dalam menyelesaikan penulisan thesis, saya mengambil penelitian tentang penyakit jantung. Jantung merupakan organ vital manusia, namun terkadang memiliki beberapa masalah. Betapa pentingnya peran jantung sehingga jika mengalami masalah berpengaruh dalam kelangsungan hidup. Maka perlu adanya suatu pemanfaatan yang lebih baik dalam mendeteksi gejala penyakit jantung, salah satu teknik yang dapat digunakan yaitu data mining dengan teknik classification . Penelitian ini melakukan analisis komparasi algoritma Decesion Tree, KNN dan Naïve Bayes pada dataset penyakit jantung. Penggunaan tools membantu menghitung nilai akurasi maupun AUC dari tiga algoritma tersebut. Algoritma Decesion Tree memiliki nilai akurasi 84.77%, KNN memiliki nilai akurasi 94.92% dan Naïve Bayes memiliki nilai akurasi 81.64%. Perhitungan tersebut diuji berdasarkan nilai recall maupun presisi. Nilai AUC ditarik dari konversi ROC bahwa algoritma Decesion Tree memiliki nilai AUC 0.936, KNN memiliki nilai AUC 0.990 dan Naïve Bayes memiliki nilai AUC 0.901. Berdasarkan hasil tersebut disimpulkan bahwa penelitian dataset penyakit jantung lebih baik menggunakan algoritma KNN dibandingkan dengan Decesion Tree dan Naïve Bayes.