DETEKSI DAN KLASIFIKASI DALAM MENGIDENTIFIKASI PENYAKIT JANTUNG MENGGUNAKAN MACHINE LEARNING

• DENADA RAGIL ADIMAS
• 14210255

---

ABSTRAK

ABSTRAK

Nama : Denada Ragil Adimas

NIM : 14210255

Program Studi : Ilmu Komputer

Fakultas : Teknologi Informasi

Jenjang : Strata Dua (S2)

Konsentrasi : Data Mining

Judul Tesis : “Deteksi dan Klasifikasi dalam Mengidentifikasi Penyakit Jantung menggunakan Machine Learning”

Penyakit jantung merupakan salah satu penyakit yang paling umum dan berpotensi fatal di dunia. Identifikasi dan klasifikasi penyakit jantung menjadi hal yang krusial untuk memberikan penanganan yang tepat dan dini kepada pasien. Penelitian ini bertujuan untuk mengklasifikasi penyakit jantung menggunakan 10 metode yang terdiri dari Linear Regression (LR), Quadratic Discriminant Analysis (QDA), Light Gradient Boosting Machine (LGBM), Random Forest (RF), Naïve Bayes (NB), Adaptive Boosting, Decision TreeClassifier (DT), Multi layer Perceptron(MLP), K-Nearest Neighbor (KNN) dan Support Vector Machine (SVM). Metode tersebut merupakan teknik dalam machine learning yang berbasis pada konsep ensemble, Data yang digunakan dalam penelitian ini terdiri dari sejumlah atribut klinis dan medis yang dikumpulkan dari pasien yang telah didiagnosis dengan penyakit jantung. Proses klasifikasi dimulai dengan prapemrosesan data untuk menangani nilai-nilai yang hilang, normalisasi, dan pemilihan fitur yang relevan. Kemudian, dievaluasi menggunakan data uji. Performa model dievaluasi berdasarkan metrik seperti akurasi, presisi, recall, dan ROC AUC. Hasil eksperimen menunjukkan bahwa metode Linear Regression mampu memberikan klasifikasi penyakit jantung dengan tingkat akurasi 86,6%, ROC AUC 87%, Recall 92%, Precition 81% dan F1 86%. Model ini dapat membantu dalam identifikasi dini dan penanganan yang tepat bagi pasien yang berisiko mengalami penyakit jantung. Dengan demikian, penggunaan Linear Regression sebagai metode klasifikasi dapat menjadi alat yang efektif dalam mendukung praktik medis di bidang kesehatan jantung.

Kata Kunci : Jantung, Machine Learning, Deteksi, Klasifikasi

KATA KUNCI

Deteksi dan Klasifikasi,Identifikasi Penyakit Jantung,machine learning

---

DAFTAR PUSTAKA

DAFTAR PUSTAKA

[1] D. F. R. Makarim, “Jantung,” halodoc, 2022. https://www.halodoc.com/kesehatan/jantung

[2] D. Pittara, “Penyakit Jantung Bawaan.” 2022. [Online]. Available: https://www.alodokter.com/penyakit-jantung-bawaan

[3] H. K. N. Surmatiningtyas, “Angka Kematian Penyakit Jantung Masih Tinggi Di Indonesia,” Kompas.com, 2022. https://www.kompas.com/sains/read/2022/08/04/163200923/angka[1]kematian-penyakit-jantung-masih-tinggi-di-indonesia-jadi[1]tantangan?page=all

[4] L. Ghani, M. D. Susilawati, and H. Novriani, “Faktor Risiko Dominan Penyakit Jantung Koroner di Indonesia,” Bul. Penelit. Kesehat., vol. 44, no. 3, 2016, doi: 10.22435/bpk.v44i3.5436.153-164.

[5] T. Tajudin, I. D. W. Nugroho, and V. Faradiba, “Analisis Kombinasi Penggunaan Obat Pada Pasien Jantung Koroner (Coronary Heart Disease) Dengan Penyakit Penyerta Di Rumah Sakit X Cilacap Tahun 2019,” Pharmaqueous J. Ilm. Kefarmasian, vol. 1, no. 2, pp. 6–13, 2020, doi: 10.36760/jp.v1i2.111.

[6] A. W. Erlangga, P. S. Fisika, F. Sains, D. A. N. Teknologi, U. Islam, and N. Syarif, Kualitas Air Bersih Antar Classifier Menggunakan Machine Learning Kualitas Air Bersih Antar Classifier. 2022.

[7] Haris, P. S. Fisika, F. Sains, D. A. N. Teknologi, U. Islam, and N. Syarif, “Multi-Output Machine Learning Multi-Output Machine Learning,” 2021.

[8] Normah, B. Rifai, S. Vambudi, and R. Maulana, “Analisa Sentimen Perkembangan Vtuber Dengan Metode Support Vector Machine Berbasis SMOTE,” J. Tek. Komput. AMIK BSI, vol. 8, no. 2, pp. 174– 180, 2022, doi: 10.31294/jtk.v4i2.

[9] D. Ramli and Y. Karani, “Anatomi dan Fisiologi Kompleks Mitral,” J. Kesehat. Andalas, vol. 7, p. 103, 2018, doi: 10.25077/jka.v7i0.837. Program Studi Ilmu Komputer (S2) Nusa Mandiri

[10] D. V. V. Handayani, “Kenali Lebih Dalam Bagian Jantung dan Fungsinya,” halodocl, 2019. https://www.halodoc.com/artikel/kenali- lebih-dalam[1]bagian-jantung-dan-fungsinya

[11] H. D. Ray, “Anatomi Jantung Manusia,” Sist. Anat. Jantung Mns., vol. 2, no. 4, pp. 12–14, 2018.

[12] M. kes. Dr. dr. Jeini E. Nelwan, Penyakit Jantung Koroner, I. Sleman: Penerbit Deepublish, 2019.

[13] M. Maulana, Penyakit JAntung, II. Sleman, 2017.

[14] American Journal of Sociology, “Penyakit Jantung,” J. Chem. Inf. Model., vol. 53, no. 9, pp. 1689–1699, 2019.

[15] P. Libby and D. P. Zipes, A Textbook of Cardiovascular Medicine, 11th ed. Elsevier, 2018.

[16] E. Burns and R. Buttner, “The ST Segment,” Life in the Fastlane, 2022. https://litfl.com/st-segment-ecg-library/

[17] N. Kumar and A. Makkar, Machine learning in cognitive IoT. New York: CRC Press, 2020 © 2020 by Taylor & Francis Group, LLC, 2020.

[18] Y. Heryadi and T. Wahyuno, Machine Learning?: (Konsep dan Implementasi), 1st ed. Yogyakarta: Yogyakarta?: Penerbit Gava Media, 2020, 2020.

[19] Chen, A. H., Huang, S. Y., Hong, P. S., Cheng, C. H., & Lin, E. J. (2011, September). HDPS: “Heart disease prediction system”. In 2011 Computing in Cardiology (pp. 557-560). IEEE.

[20] Shetty, Deeraj, Kishor Rit, Sohail Shaikh, and Nikita Patil. "Diabetes disease prediction using data mining."In 2017 International Conference on Innovations in Information, Embedded and Communication Systems (ICIIECS), pp. 1-5. IEEE, 2017.