Studi Komparatif Model Klasifikasi Kerentanan Penyakit Jantung Menggunakan Algoritma Machine Learning

Abstract

Penyakit jantung merupakan salah satu penyebab kematian
baik di dunia maupun Indonesia. Perhatian awal dari penyakit
jantung akan memudahkan pencegahan dan penyembuhanya.
Tujuan penelitian ini adalah melakukan analisis komapratif
model klasifikasi dengan berbagai algoritma machine learning
untuk kerentanan penyakit jantung. Dataset diambil dari UCI
machine Learning Resipatory dengan 300 data training dan
100 data testing. Parameter klasifikasi terdiri dari age, sex,
systolic blood pressure, cholesterol, thalach, oldpeak dan
slope, serta labelnya cardio. Model klasifikasi dibangun
dengan algoritma Naïve Bayes, K-Nearest Neighbor (KNN),
Decision Tree, random Forest, Backpropagation, Logistic
Regression dan Support Vector machine (SVM). Hasil model
klasifikasi dari pengukuran accuracy didapatkan Naïve Bayes
(79,00%), KNN (63,00%), Decision Tree (66,00%), Random
Forest (77,00%), Backpropagation (80,00%), Logistic
Regression (81,00%) dan SVM (80,00%). Dari analisis
komparatif pegukuran parameter accuracy, precision, recall
dan F1 score maka model klasifikasi dengan algoritma
Logistic Regression dan backpropagation menghasilkan
performa terbaik.