Serangan jantung adalah penyakit kardiovaskular yang seringkali berakibat fatal dan merupakan salah satu penyebab utama kematian di seluruh dunia. Penyakit ini terjadi ketika aliran darah ke otot jantung berhenti atau menurun secara tiba-tiba, sehingga menyebabkan kerusakan pada jaringan otot jantung. Deteksi dini dan penanganan risiko serangan jantung yang cepat merupakan kunci untuk mencegah dampak serius dari serangan tersebut. Decision Tree adalah metode analisis data yang digunakan dalam pembelajaran mesin dan statistika. Ini adalah algoritma yang dapat digunakan untuk melakukan klasifikasi atau regresi pada data. Decision Tree bekerja dengan membagi dataset menjadi subset yang lebih kecil berdasarkan serangkaian keputusan atau aturan logika yang dibangun. Keuntungan menggunakan metode Decision Tree antara lain kemudahan interpretasi, kemampuan menangani data yang kompleks, dan tidak memerlukan pra-pemrosesan yang rumit. Namun, Decision Tree rentan terhadap overfitting, di mana model melakukan overfitting terhadap data training dan tidak dapat digeneralisasi dengan baik ke data baru. Penelitian ini bertujuan untuk merancang algoritma Decision Tree C5.0 untuk membantu mendeteksi risiko serangan jantung. Pengujian kinerja algoritma dilakukan dengan menggunakan data sekunder yang diperoleh dan diurutkan menggunakan delapan variabel dalam proses perancangan. Data yang ada diurutkan kembali dengan menggunakan rasio 80 banding 20 dan menggunakan 10 k-fold. Hasil dari pengurutan tersebut merupakan data yang kemudian didesain ulang menggunakan Rstudio. Hasil terbaik Rstudio kemudian digunakan sebagai dasar untuk merancang algoritma atau layanan. Hasil terbaik pada Rstudio dengan metode 10 k-fold menghasilkan rata-rata sebesar 95,058%. Hasil uji akurasi berdasarkan algoritma yang telah dirancang menghasilkan tingkat keberhasilan sebesar 70,491%.
Penulis: Franky Chandra Satria Arisgraha, S.T., M.T.
Informasi detail dari riset ini dapat dilihat pada tulisan kami di:
Franky Chandra Satria Arisgraha, Khusnul Ain, Sulaiman Syah Alif Permana, Giselle Ameris Wibowo, 2025, Heart attack risk detection using the C5.0 decision tree algorithm, AIP Conf. Proc. 3346, 030010 (2025),
