APPLICATION OF DATA MINING USING THE RANDOM FOREST METHOD TO PREDICT HEART DISEASE

Felix Felix; Delima  Sitanggang; Yonata Laia; Amalia -; Muhammad Radhi; Ertina Sabarita Barus

doi:10.34012/jurnalsisteminformasidanilmukomputer.v7i2.4801

Authors

Felix Felix a:1:{s:5:"en_US";s:27:"Universitas Prima Indonesia";}
Delima Sitanggang Universitas Prima Indonesia Medan
Yonata Laia Universitas Prima Indonesia Medan
Amalia - Universitas Prima Indonesia
Muhammad Radhi Universitas Prima Indonesia
Ertina Sabarita Barus Program Studi Sistem Informasi Fakultas Sains dan Teknologi Universitas Prima Indonesia

DOI:

https://doi.org/10.34012/jurnalsisteminformasidanilmukomputer.v7i2.4801

Abstract

A heart attack is when fatty deposits block the arteries. This causes symptoms such as shortness of breath and chest pain. In addition, obstructed blood flow to the heart can cause damage to the heart muscle. Heart attacks are still the highest cause of death in Indonesia to date. The problem today is that it is tough to predict and identify heart disease. The appropriate method needed to predict heart disease is the Random Forest method. This research aims to calculate the level of accuracy in predicting heart attacks. Based on research and data processing carried out by previous study by comparing two K-Neighbor algorithms, which produced an accuracy value of 83% and the Logistic Regression algorithm produced an accuracy value of 88% and it was found that the Random Forest algorithm had an accuracy of 86.88%. Thus, other algorithms are better at predicting heart attacks than the Random Forest algorithm.

Keywords: Heart Attack, Random Forest, Prediction.

References

Supriyatna, H. A., Away, Y., & Zulhelmi, Z. "Desain sistem Internet of Things (IoT) untuk pemantauan dan prediksi gejala serangan jantung." Jurnal Komputer, Informasi Teknologi, dan Elektro, vol. 4, no. 1, 2019.

Dhany, H. W. "Performa Algoritma K-Nearest Neighbour dalam Memprediksi Penyakit Jantung." In Seminar Nasional Informatika (SENATIKA), pp. 176-179, 2021, June.

Al Azhima, S. A. T., Darmawan, D., Hakim, N. F. A., Kustiawan, I., Al Qibtiya, M., & Syafei, N. S. "Hybrid Machine Learning Model untuk memprediksi Penyakit Jantung dengan Metode Logistic Regression dan Random Forest." Jurnal Teknologi Terpadu, vol. 8, no. 1, pp. 40-46, 2022.

Annisa, R. "Analisis Komparasi Algoritma Klasifikasi Data Mining Untuk Prediksi Penderita Penyakit Jantung." JTIK (Jurnal Teknik Informatika Kaputama), vol. 3, no. 1, pp. 22-28, 2019.

Putra, P. D., & Rini, D. P. "Prediksi Penyakit Jantung dengan Algoritma Klasifikasi." In Annual Research Seminar (ARS), vol. 5, no. 1, pp. 95-99, 2020, February.

Pangaribuan, J. J., Tanjaya, H., & Kenichi, K. "Mendeteksi Penyakit Jantung Menggunakan Machine Learning Dengan Algoritma Logistic Regression." Journal Information System Development (ISD), vol. 6, no. 2, pp. 1-10, 2021.

Nawawi, H. M., Purnama, J. J., & Hikmah, A. B. "Komparasi Algoritma Neural Network dan Naive Bayes Untuk Memprediksi Penyakit Jantung." Jurnal Pilar Nusa Mandiri, vol. 15, no. 2, pp. 189-194, 2019.

Gunawan, M. I., Sugiarto, D., & Mardianto, I. "Peningkatan Kinerja Akurasi Prediksi Penyakit Diabetes Mellitus Menggunakan Metode Grid Seacrh pada Algoritma Logistic Regression." JEPIN (Jurnal Edukasi Dan Penelitian Informatika), vol. 6, no. 3, pp. 280-284, 2020.

Achmad, A. I. "Metode Regresi Probit Biner untuk Pemodelan Faktor-Faktor yang Mempengaruhi Diagnosis Penyakit Jantung." Jurnal Riset Statistika, pp. 27-33, 2022.

Rahayu, S., Subekhi, A., Astuti, D., Widaningsih, I., Sartika, I., Nurhayani, N., ... & Rafidah, R. "UPAYA MEWASPADAI SERANGAN JANTUNG MELALUI PENDIDIKAN KESEHATAN." JMM (Jurnal Masyarakat Mandiri), vol. 4, no. 2, pp. 163-171, 2020.

Majid, A. M., & Miharja, M. N. D. "PENERAPAN METODE DISCRETIZATION DAN ADABOOST UNTUK MENINGKATKAN AKURASI ALGORITMA KLASIFIKASI DALAM MEMPREDIKSI PENYAKIT JANTUNG." Indonesian Journal of Business Inrelligence (IJUBI), vol. 5, no. 2, pp. 70-75, 2022

Riani, A., Susianto, Y., & Rahman, N. "Implementasi Data Mining Untuk Memprediksi Penyakit Jantung Mengunakan Metode Naive Bayes." Journal of Innovation Information Technology and Application (JINITA), vol. 1, no. 1, pp. 25-34, 2019.

Andiani, L., Sukemi, S., & Rini, D. P. "Analisis Penyakit Jantung Menggunakan Metode KNN Dan Random Forest." In Annual Research Seminar (ARS), vol. 5, no. 1, pp. 165-169, 2020, February.

Karyatin, K. "Faktor-Faktor Yang Berhubungan Dengan Kejadian Penyakit Jantung Koroner." Jurnal Ilmiah Kesehatan, vol. 11, no. 1, pp. 37-43.

Bianto, M. A., Kusrini, K., & Sudarmawan, S. "Perancangan Sistem Klasifikasi Penyakit Jantung Mengunakan Naïve Bayes." Creative Information Technology Journal, vol. 6, no. 1, pp. 75-83, 2020.

Qomariyah, N., Hamzah, N., & Mustika, W. P. "PENERAPAN METODE ARTIFICIAL NEURAL NETWORK UNTUK MENDETEKSI SERANGAN JANTUNG DI RS AWAL BROS BEKASI." INTI Nusa Mandiri, vol. 13, no. 1, pp. 27-32, 2019.

Apriyatmoko, R., & Aini, F. "Remaja Mengenali Serangan Jantung Koroner." INDONESIAN JOURNAL OF COMMUNITY EMPOWERMENT (IJCE), vol. 2, no. 2, 2020.

Derisma, D. "Perbandingan Kinerja Algoritma untuk Prediksi Penyakit Jantung dengan Teknik Data Mining." Journal of Applied Informatics and Computing, vol. 4, no. 1, pp. 84-88, 2020.

Utomo, D.P., & Mesran, M. "Analisis Komparasi Metode Klasifikasi Data Mining dan Reduksi Atribut Pada Data Set Penyakit Jantung." Jurnal Media Informatika Budidarma, vol. 4, no. 2, pp. 437-444, 2020.

Aripin, H. A. "OUTCOME PREDICTION UNTUK PENYAKIT JANTUNG DENGAN ALGORITMA ARTIFICIAL NEURAL NETWORK." INFOKOM (Informatika & Komputer), vol. 9, no. 1, pp. 30-45, 2021.

Sitanggang ,D., Nicholas, Wilson ,V., Sinaga ,A.R.A, dan Simanjuntak ,A.D. “IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI PENYAKIT JANTUNG MENGGUNAKAN METODE K-NEAREST NEIGHBOR DAN LOGISTIC REGRESSION” Jurnal Tekinkom (Teknik Informasi dan Komputer), vol 5, no. 2, pp. 493-501 ,2022