Prediksi Tahap Awal Penyakit Jantung Menggunakan Algoritma Random Forest (Studi Kasus RSIJ)

Abstract

Tony Raymond Nangon, 201810225347. Prediksi Tahap Awal Penyakit Jantung Menggunakan Algoritma Random Forest. Proses menemukan atau menambang informasi dari sejumlah besar data dikenal sebagai teknologi penambangan data. Saat ini data mining memiliki banyak penerapan dalam setiap aspek kehidupan manusia. Aplikasi data mining sangat luas dan beragam. Di antara perawatan kesehatan ini adalah aplikasi utama penambangan data. Bidang medis mendapat manfaat lebih banyak dari penambangan data. Penyakit Jantung adalah yang paling banyak penyakit kronis berbahaya yang mengancam jiwa secara global. Tujuan dari pekerjaan ini adalah untuk memprediksi terjadinya penyakit jantung pada pasien menggunakan algoritma random forest. Kumpulan data diakses dari situs Kaggle. Dataset berisi 303 sampel dan 14 atribut diambil untuk fitur dataset. Kemudian diolah menggunakan software python open access di notebook jupyter. Kumpulan datanya adalah diklasifikasikan dan diproses menggunakan algoritma pembelajaran mesin Random forest. Hasil dari kumpulan data dinyatakan dalam akurasi, sensitivitas dan spesifisitas dalam persentase. Menggunakan acak algoritma forest, diperoleh akurasi sebesar 86,9% untuk prediksi penyakit jantung dengan nilai sensitivitas 90,6% dan nilai spesifisitas 82,7%. Dari karakteristik pengoperasian receiver, kami memperoleh tingkat diagnosis untuk prediksi penyakit jantung menggunakan random forest adalah 93,3%. Hutan acak algoritma telah terbukti menjadi algoritma yang paling efisien untuk klasifikasi penyakit jantung dan karenanya itu digunakan dalam sistem yang diusulkan. Kata Kunci: Sistem Prediksi, Diabetes Melitus, Black Box Testing, Waterfall, Algoritma Random Forest.