FEATURE LEARNING BERBASIS AUTOENCODER UNTUK MEMPREDIKSI PENYAKIT KARDIOVASKULAR

• ANGELINA PUPUT GIOVANI
• 14002338

---

ABSTRAK

Kardiovaskular disebabkan oleh disfungsi jantung dan pembuluh darah, penyakit ini menjadi penyebab kematian terbanyak dan mematikan di dunia terutama Indonesia. Machine learning menjadi salah satu sarana untuk memprediksi penyakit kardiovaskular. penelitian ini mengimplematasikan feature learning menggunakan Autoencoder. Model autoencoder yang digunakan terdiri dari 5 model yaitu model 3 layers, 4 layers, 5 layers, 6 layers dan 7 layers. encoder dari model autoencoder yang telah dilatih digunakan untuk train dan testing dari model classifier yang terdiri dari logistic regression, naive bayes, svm, knn, decision tree, xgboost, random forest dan neural network. model tersebut kemudian dibandingkan dengan baseline. selain itu dilakukan perbandingan rata-rata accuracy antar neuron pada bottleneck, model classifier, dan layers autoencoder. hasil dari penelitian ini diperoleh autoencoder mampu meningkatkan accuracy dari model classifier, dan semakin dangkal atau semakin dalam(deep) layers pada autoencoder tidak membuat accuracy menjadi lebih baik.

Kata kunci : kardiovaskular, autoencoder, feature learning, model classifier.

KATA KUNCI

Data Mining

---

DAFTAR PUSTAKA