SYSTEM KEPUTUSAN UNTUK MEMPREDIKSI PENYAKIT JANTUNG
DENGAN NAIVE BAYES
PENDAHULUAN
Data mining merupakan dokument informasi yang dapat diolah kemudian digunakan untuk sistem pengambil keputusan, prediksi, ramalan dan estimasi. Dalam dunia kesehatan menyimpan sejumlah data informasi yang besar namun kadang data tersebut belum diolah dan digunakan untuk membuat sebuah system informasi yang efektif. Dalam penelitian ini dikembangan sebuah system pengambilan keputusan untuk memprediksi penyakit jatung menggunakan data mining dengan algoritma naive bayes.
DATA SET
Database didapat dari penyakit jatung Cleveland dengan mengambil atribut set record medis. Dengan dataset dapat dibentuk pola dan hubungan yang signifikan terhadap prediksi serangan jantung. Atribut prediksi nilai “1” mengidentifikasikan untuk pasien dengan penyakit jantung dan nilai “0” untuk pasien tanpa penyakit jantung. Sebagai Variabel kunci adalah “PasienID”, sedangkan variabel masukan adalah variabel – variabel yang mempengaruhi. Pemodelan dataset yang gunakan adalah dengan membagi 2 dataset yang sama, 50 % sebagai traning dan 50 % untuk pengujian.
Variabel Prediksi
Diagnosis :
jika < 50% maka nilai prediksi “ 1” (tidak terkena penyakit jantung)
jika > 50 % maka nilai prediksi “ 2 “ ( memiliki penyakit jantung
Variabel kunci adalah : PasienID
IMPLEMENTASI PENGOLAHAN DATA
Implementasi algoritma naive bayes pada data pasien digambarkan sebagai berikut :
Hasil Implementasi :
Nilai Accuracy Model Naive Bayes : 85,19 %
Nilai Recal Model Naive Bayes : 89,61 %
Nilai AUC Model Naive Bayes : 0,919 (positive class : 1)
PENERAPAN KE KASUS LAIN
Kasus pendeteksian penyakit jantung ini juga bisa diterapkan pada bidang pendidikan, contohnya memprediksi kelulusan siswa dari atribut-atribut nilai yang didapat sebelumnya