Coronary Artery Disease Prediction Using Decision Trees and Multinomial Naïve Bayes with k-Fold Cross Validation

Penyakit arteri koroner (coronary artery disease) menjadi penyebab utama kematian penduduk di dunia setidaknya selama dua dekade (2000-2019) dan mengalami peningkatan terbesar dalam rentang waktu tersebut dibandingkan dengan lainnya. Keberhasilan memprediksi penyakit secara dini berdasarkan data medis bermanfaat bagi pasien juga kestabilan perekonomian negara. Tujuan penelitian ini adalah jantung mengimplementasikan metode statistical learning yaitu Multinomial Naïve Bayes pohon keputusan validasi silang 10-fold, dimana variabel-variabel numerik didiskritisasi untuk memperoleh kategorik. Hasil menunjukkan bahwa Pohon Keputusan memiliki kinerja yang lebih baik koroner. Ukuran tingkat akurasi 99,63 %, sensitivitas 100 spesifisitas 99,33%, presisi 99,23 nilai prediksi negatif (NPV) %. Ukuran-ukuran mengindikasikan layak digunakan coroner, termasuk independent berupa coroner lainnya variable predictor sama. perbedaan rujukan penelitian-penelitian sebelumnya mendiskritisasi variabel mampu meningkatkan coroner.