No image available for this title

Text

Klasifikasi Machine Learning Untuk Mendeteksi Penyakit Jantung Dengan Algoritma K-Nn, Decision Tree dan Random Forest



Jantung merupakan organ terpenting bagi manusia, salah satu fungsi jantung adalah mengalirkan darah yang membawa oksigen keseluruh tubuh. Jika jantung mengalami kerusakan maka organ tersebut akan menyebabkan berbagai macam penyakit. Penyakit jantung masih menempati urutan pertama kematian baik di Indonesia maupun di luar negeri. Penyakit jantung dapat dideteksi dengan beberapa parameter seperti tipe nyeri dada (chest pain type), pemeriksaan EKG (resting ECG), exercise angina, dan st_slope. Pada penelitian ini dilakukan perancangan program machine learning untuk mengklasifikasi penyakit jantung. Pada penelitian ini bertujuan untuk menganalisis karakteristik classifier knn, decision tree, dan random forest (akurasi, precision dan recall) dan menentukan classifier terbaik untuk mendeteksi penyakit jantung. Penelitian ini menggunakan pemrograman python dan google colab. Hasil yang diperoleh untuk classifier k-nn dengan akurasi(62%), presisi(64%), recall (29%). Classfier decision tree diperoleh akurasi(90%), presisi(88%), recall(93%). Dan untuk classifier random forest akurasi(87%), presisi(87%), recall(90%). Dari hasil penelitian diperoleh bahwa classifier terbaik untuk menentukan penyakit jantung adalah Decision Tree dan Random Forest.
Kata kunci : Decision Tree, ECG, Jantung, Klasifikasi, k-NN, Python, Random Forest


Ketersediaan

#
Perpustakaan FST (Skripsi) 245 FIS 2023
FIS245
Tersedia

Informasi Detail

Judul Seri
-
No. Panggil
245 FIS 2023
Penerbit Fak.Sains Dan Teknologi UIN JKT : Jakarta.,
Deskripsi Fisik
xii, 46 hlm,; 28 Cm.
Bahasa
Bahasa Indonesia
ISBN/ISSN
-
Klasifikasi
245
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
-
Subjek
Info Detail Spesifik
-
Pernyataan Tanggungjawab

Versi lain/terkait

Tidak tersedia versi lain




Informasi


Akses Katalog Publik Daring - Gunakan fasilitas pencarian untuk mempercepat penemuan data katalog