PENERAPAN SELEKSI FITUR GAIN RATIO PADA PREDIKSI PENYAKIT JANTUNG BERBASIS NAÏVE BAYES

Abstract

Penyakit jantung, yang menjadi ancaman serius bagi berbagai kelompok usia dan jenis kelamin, menuntut upaya pencegahan dan deteksi dini. Penelitian ini fokus pada prediksi penyakit jantung menggunakan algoritma Naïve Bayes. Meski efektif, Naïve Bayes memiliki keterbatasan performa, terutama dalam seleksi atribut. Oleh karena itu, penelitian ini mengintegrasikan metode seleksi fitur Gain Ratio untuk mengatasi kelemahan tersebut. Tujuannya adalah meningkatkan akurasi prediksi dengan memilih atribut yang relevan dan mengurangi bias pada data besar. Hasil penelitian menunjukkan bahwa kombinasi Naïve Bayes dan seleksi fitur Gain Ratio memberikan akurasi sebesar 91.2%, melampaui kinerja Naïve Bayes tanpa seleksi fitur. Temuan ini menegaskan pentingnya seleksi fitur dalam konteks prediksi penyakit jantung, memberikan kontribusi pada pemahaman lebih baik tentang faktor-faktor yang signifikan. Implikasinya dapat digunakan dalam pengembangan strategi pencegahan dan manajemen penyakit jantung, membuka peluang penggunaan teknologi untuk analisis dataset guna mendukung deteksi dini dan perawatan yang lebih efektif.