APLIKASI PREDIKSI RESIKO PENYAKIT STROKE

Erfan Karyadiputra(1*), Agus Setiawan(2), Budi Ramadhani(3), Indu Indah Purnomo(4)

(1) Fakultas Teknologi Informasi, Universitas Islam Kalimantan MAB
(2) Fakultas Teknologi Informasi, Universitas Islam Kalimantan MAB
(3) Fakultas Teknologi Informasi, Universitas Islam Kalimantan MAB
(4) Fakultas Teknologi Informasi, Universitas Islam Kalimantan MAB
(*) Corresponding Author

Sari


Stroke merupakan salah satu penyakit yang sering kali berdampak serius dan dapat mengancam nyawa. Oleh karena itu, deteksi dini terhadap risiko stroke sangat penting dalam upaya pencegahan dan penanganan yang tepat. Salah satu pendekatan yang digunakan untuk memprediksi risiko stroke adalah dengan menggunakan metode data mining, yang mampu menganalisis pola dari data besar untuk membantu mengidentifikasi hubungan kompleks antara faktor risiko dan kemungkinan terjadinya stroke. Penelitian ini bertujuan untuk merancang sebuah aplikasi yang dapat memprediksi risiko stroke pada seseorang dengan memanfaatkan teknik data mining. Metode yang digunakan dalam penelitian ini adalah algoritma decision tree untuk analisis data dan metode waterfall untuk perancangan sistem aplikasi. Hasil penelitian menunjukkan bahwa aplikasi ini mampu memprediksi risiko stroke dengan tingkat akurasi algoritma sebesar 95,03%.

Keywords: Aplikasi, Data Mining, Stroke


Teks Lengkap:

PDF

Referensi


Azhar, Y., Firdausy, A. K., & Amelia, P. J. (2022). Perbandingan Algoritma Klasifikasi Data Mining Untuk Prediksi Penyakit Stroke. SINTECH (Science and Information Technology) Journal, 5(2), 191–197. https://doi.org/10.31598/sintechjournal.v5i2.1222

Fadillah Hermawan, A., Rakhmat Umbara, F., & Kasyidi, F. (2022). MIND (Multimedia Artificial Intelligent Networking Database Prediksi Awal Penyakit Stroke Berdasarkan Rekam Medis menggunakan Metode Algoritma CART(Classification and Regression Tree). Journal MIND Journal | ISSN, 7(2), 151–164. https://doi.org/10.26760/mindjournal.v7i2.151-164

Ian H. Witten, Eibe Frank, M. A. H. (2018). Data mining: Practical Machine Learning Tools and Techniques. In Angewandte Chemie International Edition, 6(11), 951–952.

Indah Werdiningsih, Purwanti, E., Mardiyana, I., Handayani, A. T., Suryadewi, K. S., Nurjanah, E., Akhlaqulkarimah, F., Pramiyas, N. H., & Yahrani, F. A. S. (2023). Analisis Prediksi Stroke Menggunakan Pendekatan Decision Tree dengan Seleksi Fitur dan Neural Network. Jurnal Sistem Cerdas, 6(3), 213–221. https://doi.org/10.37396/jsc.v6i3.310

Irma Purnamasari, A., & Suprapti, T. (2024). Penerapan Algoritma Decision Tree Dalam Klasifikasi Penyakit Stroke Otak. Jurnal Mahasiswa Teknik Informatika, 8(3), 3038–3043.

Maulana Sidiq, C., Faqih, A., & Dwilestari, G. (2024). Algoritma Decision Tree C4.5 Digunakan Untuk Mengklasifikasikan Data Stroke. JATI (Jurnal Mahasiswa Teknik Informatika), 8(2), 1869–1874. https://doi.org/10.36040/jati.v8i2.8388

Pambudi, R. E., Sriyanto, & Firmansyah. (2022). Klasifikasi Penyakit Stroke Menggunakan Algoritma Decision Tree C.45. Jurnal Tenknika, 16(02), 221–226.

Permana, B. A. C., Sadali, M., & Ahmad, R. (2024). Penerapan Model Decision Tree Menggunakan Python Untuk Prediksi Faktor Dominan Penyebab Penyakit Stroke. Infotek : Jurnal Informatika Dan Teknologi, 7(1), 23–31. https://doi.org/10.29408/jit.v7i1.23232

Plotnikova, V., Dumas, M., & Milani, F. (2021). Adapting the CRISP-DM Data Mining Process: A Case Study in the Financial Services Domain. Research Challenges in Information Science Conference, 415, 55–71. https://doi.org/10.1007/978-3-030-75018-3_4

Puspitasari, D. I., Riza Kholdani, A. F., Dharmawati, A., Rosadi, M. E., & Mega Pradnya Dhuhita, W. (2021). Stroke Disease Analysis and Classification Using Decision Tree and Random Forest Methods. 2021 6th International Conference on Informatics and Computing, ICIC 2021, 9–12. https://doi.org/10.1109/ICIC54025.2021.9632906

Sofyan, F. M. A., Riyandoro, A. P., Maulana, D. F., & Jaman, J. H. (2023). Penerapan Data Mining dengan Algoritma C5.0 Untuk Prediksi Penyakit Stroke. J-SISKO TECH (Jurnal Teknologi Sistem Informasi Dan Sistem Komputer TGD), 6(2), 619. https://doi.org/10.53513/jsk.v6i2.8578

Ucha Putri, S., Irawan, E., Rizky, F., Tunas Bangsa, S., -Indonesia Jln Sudirman Blok No, P. A., & Utara, S. (2021). Implementasi Data Mining Untuk Prediksi Penyakit Diabetes Dengan Algoritma C4.5. Januari, 2(1), 39–46.

Zuama, R. A., Rahmatullah, S., & Yuliani, Y. (2022). Analisis Performa Algoritma Machine Learning pada Prediksi Penyakit Cerebrovascular Accidents. Jurnal Media Informatika Budidarma, 6(1), 531. https://doi.org/10.30865/mib.v6i1.3488




DOI: http://dx.doi.org/10.31602/tji.v16i2.18377

Refbacks

  • Saat ini tidak ada refbacks.


© 2025 Technologia   p-ISSN: 2086-6917    e-ISSN: 2656-8047

-------------------------------------------------------------------------------------------

This work is licensed under a Creative Commons Attribution 4.0 International License.