APLIKASI DETEKSI DINI PENYAKIT GAGAL JANTUNG MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN PRINCIPAL COMPONENT ANALYSIS (PCA) BERBASIS WEB

M. Andre Sopian, Vikta (2023) APLIKASI DETEKSI DINI PENYAKIT GAGAL JANTUNG MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN PRINCIPAL COMPONENT ANALYSIS (PCA) BERBASIS WEB. S1 thesis, Universitas Mataram.

Text Laporan TA_M. Andre Sopian Vikta_F1B019086.pdf Restricted to Repository staff only Download (2MB)

Abstract

Penyakit gagal jantung merupakan penyakit kardiovaskular yang mematikan dan menjadi penyebab kematian utama di dunia. Di Indonesia, penyakit jantung juga menjadi penyebab kematian tertinggi setelah stroke. Deteksi dini memiliki peran penting dalam penanganan efektif penyakit ini. Penelitian ini bertujuan untuk mengembangkan aplikasi deteksi dini penyakit gagal jantung berbasis web menggunakan algoritma Naïve Bayes dan Principal Component Analysis (PCA). Data penelitian diperoleh dari dari platform Kaggle, yang merupakan data publik yang dapat diakses secara online. Data tersebut diterbitkan oleh Saheart, South African Hearth Disease Data. Dataset ini berisi 9 fitur atau variabel bebas dan 1 variabel terikat (label/target) yang memiliki 462 baris, dengan 160 didiagnosis penyakit gagal jantung dan 302 didiagnosis sehat atau tidak terkena penyakit gagal jantung. Metode PCA digunakan untuk mereduksi dimensi data yang kompleks, sementara algoritma Naïve Bayes digunakan sebagai algoritma klasifikasi. Hasil penelitian menunjukkan bahwa model Naïve Bayes dengan PCA (NB-PCA) memiliki akurasi sebesar 74,47%, sedangkan model Naïve Bayes tanpa PCA memiliki akurasi sebesar 63,83%. Model NB-PCA juga memiliki presisi, recall, spesifisitas, dan F1-Score yang lebih baik daripada model NB tanpa PCA. Aplikasi web yang dikembangkan memungkinkan pengguna untuk melakukan klasifikasi baik per individu maupun menggunakan dataset kolektif. Algoritma Naïve Bayes dan PCA digunakan untuk mendeteksi dini penyakit gagal jantung. Aplikasi ini memberikan informasi deteksi dini penyakit gagal jantung kepada pengguna, memungkinkan pengguna untuk memantau kondisi jantung pengguna dan mengambil tindakan yang sesuai berdasarkan hasil klasifikasi.

Item Type:	Thesis (S1)
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Fakultas Teknik
Depositing User:	Meike Megawati
Date Deposited:	22 Nov 2023 01:18
Last Modified:	22 Nov 2023 01:18
URI:	http://eprints.unram.ac.id/id/eprint/43527

Actions (login required)

View Item