Pengaruh Seleksi Fitur dan Ukuran Data pada Klasifikasi Penyakit Jantung dengan Naive Bayes dan Decision Tree
Tahun 2026 · Penulis: Ratna Puspita Eka Putri
Faculty of Computer Science, Universitas Jember
Tautan: https://repository.unej.ac.id/handle/123456789/11914
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Penyakit jantung merupakan penyebab utama kematian secara global, yang bertanggung jawab atas sekitar 17,9 juta kematian setiap tahunnya. Deteksi dini melalui machine learning menawarkan solusi yang efisien dan dapat diskalakan, khususnya untuk fasilitas kesehatan dengan sumber daya terbatas. Penelitian ini secara empiris mengkaji pengaruh ukuran dataset dan seleksi fitur terhadap performa klasifikasi penyakit jantung menggunakan Naïve Bayes (GaussianNB) dan Decision Tree (CART–Gini). Tiga dataset yang tersedia secara publik digunakan: Cleveland Heart Disease Dataset (303 data, UCI ML Repository), Faisalabad Heart Disease Dataset (299 data, UCI ML Repository), dan Framingham Heart Study Dataset (4.240 data, Kaggle). Dataset-dataset ini diselaraskan menjadi delapan fitur klinis yang sama: usia, jenis kelamin, tekanan darah (trestbps), kolesterol (chol), gula darah puasa (fbs), hasil EKG (restecg), detak jantung maksimum (thalac), dan angina akibat olahraga (exang). Pra-pemrosesan meliputi penyelarasan fitur, imputasi nilai yang hilang menggunakan median kolom, dan penanganan outlier melalui capping berbasis IQR. Seleksi fitur menerapkan SelectKBest dengan skor agregat yang menggabungkan Chi-squared, Mutual Information, dan F-statistic dalam tiga kondisi: tanpa seleksi (seluruh 8 fitur), k=5, dan k=3. Ukuran dataset divariasikan menggunakan Stratified Sampling Without Replacement pada lima tingkat: n=98, n=297 (Cleveland penuh), n=300 (Faisalabad penuh), n=490, dan n=980. Seluruh 30 skenario eksperimen (5 ukuran × 3 kondisi fitur × 2 algoritma) dievaluasi menggunakan Repeated Stratified 10-Fold Cross-Validation (5 pengulangan = 50 nilai metrik per skenario). Normalisasi melalui Min-Max Scaler diintegrasikan ke dalam pipeline cross-validation untuk mencegah kebocoran data (data leakage). Hasil menunjukkan bahwa Naïve Bayes secara konsisten mengungguli Decision Tree pada seluruh 30 skenario, dengan mencapai rata-rata F1-Score yang lebih tinggi pada setiap dataset dan kondisi fitur. Pada subset Framingham (n=980), Naïve Bayes mencapai rata-rata F1-Score sebesar 0,811 dibandingkan dengan Decision Tree sebesar 0,767 tanpa seleksi fitur. Seleksi fitur dengan k=5 menghasilkan peningkatan yang moderat pada dataset Cleveland untuk kedua algoritma, namun hasilnya tidak konsisten di seluruh dataset. Temuan ini menunjukkan bahwa karakteristik dataset — khususnya distribusi kelas — memainkan peran yang lebih signifikan dibandingkan reduksi fitur dalam ruang delapan fitur. Naïve Bayes direkomendasikan sebagai algoritma yang lebih robust untuk klasifikasi penyakit jantung pada berbagai skala data. Kata kunci: penyakit jantung, Naïve Bayes, Decision Tree, SelectKBest, ukuran dataset, seleksi fitur, cross-validation.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,880
Tahun 2025 · Penulis: Suleman Candra Kusuma
Klasifikasi Penyakit Kardiovaskular dengan Ensemble Stacking Menggunakan Catboost sebagai Meta-learner
Penyakit kardiovaskular (CVD) merupakan salah satu penyebab utama kematian di seluruh dunia, sehingga deteksi dini menjadi krusial untuk mencegah komplikasi yang lebih serius. Kemajuan dalam machine learning, khususnya metode ensemble learning, menawarkan pote
- Cosine 0,859
Tahun 2023 · Penulis: Nauval Achmad Yusufa
Klasifikasi Sentimen pada Sosial Media Berbahasa Indonesia dengan Normalisasi Berbasis Algoritma Levenshtein Distance dan Penanganan Tanda Baca
Media sosial memiliki peran yang penting dalam kehidupan masyarakat dan sering digunakan sebagai sumber data dalam analisis sentimen. Salah satu tantangan yang dihadapi ketika menggunakan data dari media sosial adalah keberadaan kata-kata tidak baku, seperti a
- Cosine 0,841
Tahun 2025 · Penulis: Dejan Putra Pratama
Analisis Performa VGG-New dengan Variasi Loss Fungsi Untuk Ekspresi Facial Dikenali Fakulta
Facial Expression Recognition merupakan bidang penelitian yang krusial dalam interaksi manusia-komputer, namun performanya sangat bergantung pada pemilihan model dan loss function yang tepat. Permasalahan utama di dalam penelitian adalah untuk menentukan loss