IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI PENYAKIT JANTUNG DENGAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)

IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI PENYAKIT JANTUNG DENGAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) Robby Cokro Buwono, S.Kom., M.Kom Contributor Khairy, Muhammad Hilmy - 215610026 Primary Author mixed material bibliography Yogyakarta UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA (UTDI) 2025 monographic id Indonesia Penyakit jantung merupakan salah satu penyebab utama kematian di Indonesia, dengan prevalensi yang terus meningkat dari 0,5% pada 2013 menjadi 1,5% pada 2018 berdasarkan data Riset Kesehatan Dasar (Riskesdas). Kurangnya kesadaran masyarakat terhadap gejala awal penyakit ini sering menyebabkan keterlambatan diagnosis, yang berpotensi menimbulkan komplikasi serius. Penelitian ini bertujuan untuk mengukur akurasi dalam implementasikan metode Support Vector Machine (SVM) untuk memprediksi penyakit jantung berdasarkan faktor-faktor risiko seperti jenis sakit dada (chest pain), tekanan darah (tresbps), kolesterol (chol), hasil tes EKG (restacg), denyut jantung (thalach), dan kadar gula darah puasa (fasting blood sugar, FBS). Model SVM yang dikembangkan dalam penelitian ini menunjukkan akurasi keseluruhan sebesar 90% dengan nilai AUC sebesar 0,95, yang mencerminkan kemampuan sangat baik dalam membedakan individu yang berisiko dan tidak berisiko. Kata Kunci : Kernel RBF, Prediksi Penyakit Jantung, Support Vector Machine, METODE SUPPORT VECTOR MACHINE (SVM) DATA MINING Implementasi NONE Perpustakaan Universitas Teknologi Digital Indonesia Katalog Online Perpustakaan Universitas Teknologi Digital Indonesia 012 KHA I R.1 KHA0012SI0125 RAK REFERENSI SKRIPSI SI 012 KHA I R.1 17679 2025-03-05 12:01:53 2025-03-05 12:03:00 machine generated