PERBANDINGAN KINERJA ALGORITMA LOGISTIC REGRESSION DAN NAIVE BAYES DALAM PREDIKSI PENYAKIT JANTUNG

NUGROHO, DINDA ARUM (2023) PERBANDINGAN KINERJA ALGORITMA LOGISTIC REGRESSION DAN NAIVE BAYES DALAM PREDIKSI PENYAKIT JANTUNG. S1 thesis, Universitas Mercu Buana Jakarta.

Preview	Text (COVER) 01 COVER.pdf Download (532kB) | Preview
Preview	Text (ABSTRAK) 02 ABSTRAK.pdf Download (117kB) | Preview
	Text (BAB I) 03 BAB 1.pdf Restricted to Registered users only Download (102kB)
	Text (BAB II) 04 BAB 2.pdf Restricted to Registered users only Download (131kB)
	Text (BAB III) 05 BAB 3.pdf Restricted to Registered users only Download (101kB)
	Text (BAB IV) 06 BAB 4.pdf Restricted to Registered users only Download (672kB)
	Text (BAB V) 07 BAB 5.pdf Restricted to Registered users only Download (62kB)
	Text (DAFTAR PUSTAKA) 08 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (278kB)
	Text (LAMPIRAN) 09 LAMPIRAN.pdf Restricted to Registered users only Download (1MB)

Abstract

Heart disease remains a threat both in Indonesia and worldwide. Early examination is essential to determine its attributes. The diagnostic process is complex due to various attribute interconnections, necessitating the identification of the main attributes for decision-making in classifying heart disease. This study aims to compare the accuracy level of logistic regression and naive Bayes algorithms to determine which method yields the highest accuracy. Quantitative data analysis was employed using a dataset from IEEEDataPort, consisting of 1190 records with 12 attributes. The results show that logistic regression achieved an accuracy of 83.19%, precision of 82.14%, and recall of 82.14% on testing data with an 80% training and 20% testing data split. On the other hand, the naive Bayes algorithm attained an accuracy of 85.50%, precision of 87.50%, and recall of 82.70% on testing data with a 60% training and 40% testing data split, indicating superior performance compared to logistic regression. Keywords : Predicting Heart Disease, Logistic Regression, Naïve Bayes, Classification Penyakit jantung masih menjadi ancaman di Indonesia maupun di dunia. Penyakit jantung memerlukan pemeriksaan dini untuk mengetahui atribut apa saja yang termasuk. Dalam proses diagnosa sangat kompleks karena berbagai keterkaitan atribut dari penyakit jantung tersebut sehingga harus mengetahui atribut utama untuk digunakan sebagai proses pengambilan keputusan dalam mengklasifikasi penyakit jantung. Penelitian ini bertujuan untuk membandingkan tingkat akurasi algoritma logistic regression dan naïve bayes agar mengetahui metode mana yang paling tinggi hasil tingkat akurasinya. Dalam penelitian ini, metode analisis data yang digunakan yaitu kuantitatif dan dataset yang digunakan bersumber dari IEEEDataPort yang berjumlah 1190 record dengan 12 atribut. Hasil menunjukkan bahwa, algoritma logistic regression pada data testing dengan pembagian rasio data 80% data latih dan 20% data uji, dengan akurasi mencapai 83,19%, presisi 82,14% dan recall 82,14%. Serta pada algoritma naïve bayes pada pengujian dengan pembagian rasio data 60% untuk data latih dan 40% untuk data uji mencapai akurasi 85,50%, presisi 87,50% serta recall 82,70% yang berarti pengujian pada data testing algoritma naïve bayes menunjukkan hasil yang lebih unggul dibandingkan dengan algoritma logistic regression. Kata Kunci : Prediksi Penyakit Jantung, Logistic Regression, Naïve Bayes, Klasifikasi

Item Type:	Thesis (S1)
Call Number CD:	FIK/INFO. 23 107
NIM/NIDN Creators:	41519010049
Uncontrolled Keywords:	Prediksi Penyakit Jantung, Logistic Regression, Naïve Bayes, Klasifikasi
Subjects:	000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 003 Systems/Sistem-sistem 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 003 Systems/Sistem-sistem > 003.5 Computer Modeling and Simulation/Model dan Simulasi Komputer 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika > 004.1 General Works on Specific Types of Computers/Karya Umum tentang Tipe-tipe Khusus Komputer
Divisions:	Fakultas Ilmu Komputer > Informatika
Depositing User:	CALVIN PRASETYO
Date Deposited:	04 Oct 2023 07:47
Last Modified:	05 Oct 2023 04:03
URI:	http://repository.mercubuana.ac.id/id/eprint/81966

Actions (login required)

View Item