Penerapan Algoritma C4.5 Dalam Mengklasifikasi Penyakit Jantung

Abstract

Penyakit jantung masih menjadi penyebab utama kematian di dunia sehingga diperlukan metode deteksi dini yang cepat dan akurat. Penelitian ini membahas penerapan algoritma C4.5 untuk membangun model klasifikasi penyakit jantung berdasarkan data klinis pasien. Data penelitian diperoleh dari rekam medis RSU Kambang Jambi tahun 2024 serta dataset pendukung dari Kaggle. Atribut yang digunakan meliputi usia, jenis kelamin, tekanan darah, kolesterol, indeks massa tubuh (IMT), detak jantung, elektrokardiogram (EKG), nyeri dada, kebiasaan merokok, serta riwayat penyakit. Proses penelitian mencakup tahap pra-pemrosesan data, pembagian data menjadi training dan testing, pembangunan model dengan menghitung entropy serta gain, hingga evaluasi menggunakan confusion matrix, akurasi, precision, dan k fold cross validation. Hasil penelitian menunjukkan bahwa algoritma C4.5 mampu menghasilkan pohon keputusan yang mudah dipahami dan dapat digunakan sebagai alat bantu diagnosis. Faktor tekanan darah, kolesterol, dan gejala nyeri dada terbukti berperan dominan dalam klasifikasi. Meskipun tingkat akurasi yang diperoleh belum maksimal, model ini memberikan kontribusi penting dalam mendukung keputusan medis, serta berpotensi ditingkatkan dengan pengembangan metode ensemble atau optimasi parameter untuk menghasilkan prediksi yang lebih baik.