Detail Cantuman Kembali
IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI PENYAKIT JANTUNG DENGAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)
- Bagikan:
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,
012 KHA I R.1
NONE
Text Skripsi
Indonesia
UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA (UTDI)
2025
Yogyakarta
LOADING LIST...
LOADING LIST...
