Analisis Perbandingan Metode Decision Tree dan Artificial Neural Network untuk Prediksi Potensi Penyakit Jantung Koroner dalam 10 Tahun Kedepan Berbasis Mobile
Abstrak
Penyakit jantung koroner (PJK) adalah kondisi medis yang terjadi akibat penyempitan atau penyumbatan arteri koroner, yang memasok darah kaya oksigen ke otot jantung. Pengenalan serta edukasi terhadap penyakit ini diperlukan guna mencegah kelalaian hingga mengakibatkan kematian. Oleh karena itu peneliti mengusulkan untuk merancang model algoritma yang cocok untuk memprediksi seseorang akan terkena penyakit jantung dalam 10 tahun kedepan. Dalam proses penelitian ini perbandingan algoritma menjadi kunci dalam mengembangkan model yang tepat. Algoritma yang dipilih oleh peneliti adalah Decision Tree dan Artificial Neural Network (ANN) yang akan dibandingkan dengan tolak ukur yang dihasilkan oleh Confusion Matrix. Confusion Matrix sendiri memiliki luaran dalam prosesnya yaitu akurasi, presisi, recall, dan f1-score. Dalam menjalankan proses tersebut, peneliti menggunakan dataset sejumlah 3000 yang didapatkan melalui laman Kaggle. Berdasarkan hasil dari penelitian, metode Decision Tree mendapatkan rata-rata hasil akurasi sebesar 79% sedangkan ANN sebesar 86%. Selain itu rata-rata perolehan presisi, recall, dan f1-score kedua metode memeperlihatkan superioritas dari ANN. Proses perbandingan juga melibatkan data training dan data testing sehingga gap antara hasil dari data training dan testing juga menjadi acuan. Berdasarkan analisis tersebut dapat disimpulkan bahwa metode ANN iii lebih superior dibandingkan dengan Decision Tree dalam memprediksi potensi penyakit jantung koroner.