PERBANDINGAN METODE MACHINE LEARNING UNTUK MENDETEKSI PENYAKIT JANTUNG

Abstract

Penyakit jantung termasuk ke dalam bagian penyakit kardiovaskular (CVD) atau sekelompok penyakit yang melibatkan pembuluh darah dan jantung yang merupakan salah satu penyakit serius yang diderita banyak orang secara global. Setiap tahunnya ada 17,9 juta jiwa yang meninggal akibat penyakit ini setiap tahunnya. Mendeteksi dini penyakit jantung sangat penting untuk perawatan dan pengobatan yang efektif. Penelitian ini memprediksi penyakit jantung dengan menggunakan metode Machine Learning (ML). ML memiliki efektifitas dan harga yang lebih murah untuk mendeteksi suatu penyakit. Penelitian ini bertujuan untuk memprediksi penyakit jantung dengan menggunakan perbandingan dari algoritma ML. Dalam penelitian ini menggunakan dataset dari UCI Machine Learning Repository. Pada penelitian ini, metode yang digunakan meliputi Random Forest, Support Vector Machine (SVM), XGBoost, K-Nearest Neighbor (KNN), Decision Tree, Logistic Regression serta Multi-Layer Perceptron Classifier (MLP). Dari penelitian ini didapatkan akurasi terbaik menggunakan algoritma XGBoost dengan akurasi mencapai 95,08%.