Optimasi Algoritma Naive Bayes dengan Diskritisasi K-Means pada Diagnosis Penyakit Jantung

Penyakit jantung iskemik adalah salah satu jenis penyakit kardiovaskular dengan jumlah penderita yang besar dan menjadi penyebab utama kematian di dunia. Disamping itu, penyakit jantung juga menyebabkan kerugian ekonomi. Diagnosis penyakit jantung pada tahap awal dapat membantu mengurangi risiko kematian dan tingginya biaya perawatan akibat penyakit jantung. Diagnosis penyakit merupakan proses penting yang harus dilakukan secara akurat agar tidak terjadi kesalahan diagnosis. Data mining dapat diterapkan untuk meningkatkan akurasi dan mengurangi jumlah kesalahan diagnosis. Salah satu teknik data mining adalah klasifikasi. Naïve Bayes merupakan algoritma klasifikasi yang memiliki kemampuan yang cukup baik untuk membangun model pengklasifikasi. Pada penelitian ini, dilakukan klasifikasi penyakit jantung menggunakan algoritma Naïve Bayes. Dataset yang digunakan yaitu Cleveland heart disease dataset dari UCI Machine Learning Repository. Untuk meningkatkan akurasi klasifikasi menggunakan algoritma Naive Bayes, atribut kontinu pada dataset diubah menjadi atribut diskrit dengan diskritisasi K-means. Diskritisasi K-means mengubah nilai setiap atribut kontinu menjadi kategori-kategori diskrit berupa cluster sejumlah k yang terbentuk dari proses algoritma K-means. Hal tersebut dilakukan karena algoritma Naïve Bayes menunjukkan kemampuan klasifikasi yang lebih baik apabila menggunakan data masukan berupa diskrit dibanding kontinu. Hasil akurasi yang diperoleh dari algoritma Naïve Bayes tanpa menerapkan diskritisasi K-means pada Cleveland heart disease dataset adalah 86,89%, sedangkan hasil akurasi yang diperoleh dari algoritma Naïve Bayes dengan menerapkan diskritisasi K-means pada Cleveland heart disease dataset adalah 88,52%. Berdasarkan perbandingan akurasi yang dihasilkan, dapat diketahui adanya peningkatan akurasi sebesar 1,63%. Hal tersebut menunjukkan bahwa diskritisasi K-means berperan dalam mengoptimalkan kinerja algoritma Naïve Bayes sehingga menghasilkan akurasi yang lebih baik. Abstract Ischemic heart disease is a type of cardiovascular disease with a large number of sufferers and is the leading cause of death in the world. In addition, heart disease also causes economic losses. Diagnosing heart disease early can help reduce the risk of death and the high costs of treatment for heart disease. Diagnosis of the disease is an important process that must be carried out accurately to avoid misdiagnosis. Data mining can be applied to improve accuracy and reduce