IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI PENYAKIT JANTUNG MENGGUNAKAN METODE K-NEAREST NEIGHBOR DAN LOGISTIC REGRESSION

NICHOLAS, VERRELL WILSON, ARWIN RIKO APWINTO SINAGA, AMOS DANIEL SIMANJUNTAK (2022) IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI PENYAKIT JANTUNG MENGGUNAKAN METODE K-NEAREST NEIGHBOR DAN LOGISTIC REGRESSION , SKRIPSI, UNIVERSITAS PRIMA INDONESIA

ABSTRAK

Penyakit serangan jantung adalah kondisi dimana tersumbatnya arteri yang disebabkan oleh timbunan lemak. Penyakit ini menyebabkan beberapa gejala seperti sesak napas, nyeri dada. Selain itu, hal ini juga diakibatkan gangguan aliran darah ke jantung yang terhambat dan bisa menghancurkan otot jantung. Sampai saat ini, penyakit serangan jantung masih merupakan penyebab kasus kematian tertinggi di Indonesia. Masalah yang dihadapi saat ini adalah sangat sulit untuk memprediksi penyakit jantung dan menentukan apakah seseorang menderita penyakit jantung. Diperlukan metode yang tepat untuk bisa memprediksi penyakit jantung. Tujuan dari penelitian ini adalah untuk menghitung tingkat akurasi dalam memprediksi penyakit serangan jantung menggunakan metode K-Nearest Neighbor dan Logistic Regression. Berdasarkan penelitian dan proses pengolahan data yang telah dilakukan penerapan dan perbandingan algoritma K-Nearest Neighbor dan Logistic Regression mendapatkan hasil akhir yaitu akurasi Algoritma Logistic Regression sebesar 88% dan algoritma K-Nearest Neighbor sebesar 83%. Dengan demikian dapat disimpulkan bahwa algoritma Logistic Regression yang terbaik dalam memprediksi penyakit serangan jantung dibanding algoritma K-Nearest Neighbor.

JURNAL