Pengaruh Seleksi Fitur Terhadap Performansi Model Klasifikasi Naïve Bayes pada Diagnosa Arrhythmia

Arrhytmia merupakan salah satu kelainan pada jantung ditandai dengan ritme jantung yang tidak normal, menjadi lebih cepat atau lebih lambat. Untuk mendiagnosa Arrhytmia perlu dilakukan prosedur Electroardiograf. Hasil perosedur Electrocardiograf ini Electrodiogram atau yang biasa di kenal sebagai ECG. ECG inilah yang kemudian dijadikan rujukan untuk mendiagnosa Arrhytmia. Data ECG tersebut memiliki ukuran data yang besar sehingga dibutuhkan proses analisa yang tepat. Klasifikasi merupakan salah satu pendekatan yang dapat dilakukan untuk memahami data ECG tersebut. Salah satu algoritma klasifikasi yang dapat menangani data dalam jumlah besar adalah Naïve Bayes. Banyaknya fitur yang dimiliki data ECG menjadi hambatan tersendiri dalam proses klasifikasi. Seleksi fitur dapat digunakan untuk mengurangi fitur yang kurang relevan pada dataset. Penelitian ini memiliki tujuan untuk mengetahui pengaruh seleksi fitur terhadap performansi model klasifikasi Naive Bayes pada diagnose Arrhytmia. Hasil yang didapat dari penelitian ini adalah nilai akurasi, presisi, recall, dan f-measure mengalami peningkatan setelah menerapkan seleksi fitur. Hal ini dibuktikan dengan nilai akurasi yang meningkat sebesar 4%, presisi meningkat sebesar 0.13, nilai recall mengalami kenaikan sebesar 0.13, nilai f-measure mengalami kenaikan sebesar 0.14, dan waktu komputasi yang dibutuhkan 0.03 detik lebih cepat. Performa tertinggi didapatkan pada klasifikasi dengan 80 fitur. Dihasilkan akurasi sebesar 93 %, presisi dan recall sebesar 0.45, f-measure sebesar 0.42, dan waktu komputasi selama 0.10 detik.

Kata Kunci: Arrhytmia, Electrocardiogram (ECG), klasifikasi,Naïve Bayes, seleksi fitur