Data Mining Untuk Classification Dalam Mendeteksi Kerusakan Elektrokardiogram Menggunakan Naive Bayes

Abstract

Dalam dunia kesehatan EKG merupakan salah satu pemeriksaaan yang penting. Elektrokardiogram (EKG) adalah pemeriksaan untuk mengukur dan merekam aktivitas listrik jantung. EKG umumnya dilakukan untuk memeriksa kondisi jantung dan menilai efektivitas pengobatan penyakit jantung. Dalam penggunaannya, EKG bisa mengalami berbagai kerusakan. Kerusakan alat tersebut bisa dideteksi dari berbagai gejala yang timbul. Penelitian ini bertujuan untuk mendeteksi kerusakan alat paling mendekati dari perhitungan berbagai gejala yang muncul. Teknik yang digunakan untuk mendeteksi kerusakan yaitu menggunakan data mining dan metode yang digunakan adalah klasifikasi. Klasifikasi dapat dengan mudah menghitung kemungkinan keluaran berikutnya. Beberapa algoritma dapat digunakan dalam data mining, pada penelitian ini algoritma yang digunakan yaitu algoritma Naïve Bayes. Algoritma ini didasarkan pada teorema Bayes. Data yang digunakan yaitu data kerusakan yang muncul pada EKG dan berbagai gejala yang ditimbulkan dari kerusakan tersebut. Pada penelitian ini kasus yang diambil adalah kerusakan yang menimbulkan dua gejala yakni indikator error menyala dan sistem error. Hasil didapatkan dengan melakukan perhitungan secara manual melalui beberapa tahapan dengan hasil akhir presentase tertinggi yaitu 50%.