PREDIKSI PENYAKIT GAGAL JANTUNG DENGAN MENGGUNAKAN RANDOM FOREST
Article Sidebar
Main Article Content
Abstract
Lebih dari 4 dari 5 kematian atas Cardiovascular disease (CVD) pada jantung dan pembuluh
darah yang termasuk diataranya: coronary heart disease, cerebrovascular disease, rheumatic heart disease, dan
kondisi jantung lainnya. Faktor resiko penyakit ini seringnya disebabkan oleh diet yang tidak sehat, kurang
berolahraga, serta penggunaan rokok dan alkohol yang berlebih. Pada penelitian ini, tim peneliti memutuskan
untuk memprediksi probabilitas penyakit gagal jantung menggunakan Random Forest. Data yang dipakai untuk
melatih algoritma Random Forest yang dipakai diambil dari kompilasi beberapa observasi yang mana total
akhirnya berjumlah 918 observasi dengan 12 atribut. Adapun tujuan dari penelitian ini adalah untuk
menunjukkan kemampuan Random Forest dalam memprediksi penyakit gagal jantung dengan hasil peforma
yang baik serta membuat model klasifikasi yang sederhana namun beperforma baik. Manfaat dari penelitian ini
adalah untuk menjembatani penelitian deteksi dan ekstraksi fitur EKG sebelumnya sehingga mampu
dimanfaatkan dan dikembangkan untuk tahap selanjutnya hingga produk siap pakai. Proses implementasi
algoritma Random Forest yang digunakan sukses dengan meraih tingkat akurasi sebesar 82,6087% yang
kemudian dioptimasi dengan teknik K-Fold dan GridSearchCV menjadi 85,058%. Sistem klasifikasi dengan
Random Forest yang dibuat dapat dimplementasikan kedalam rangkaian alat untuk menciptakan alat deteksi
aritmia EKG otomatis portable. Hubungan antara informasi yang disajikan oleh alat juga dengan sukses
dibuktikan kontribusi pentingnya terhadap diagnosa positif negatifnya seseorang mempunyai penyakit jantung
terutama melalui Gelombang ST.
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish their manuscripts through the Journal of Information Systems and Computer Science agree to the following:
- Copyright to the manuscripts of scientific papers in this Journal is held by the author.
- The author surrenders the rights when first publishing the manuscript of his scientific work and simultaneously the author grants permission / license by referring to the Creative Commons Attribution-ShareAlike 4.0 International License to other parties to distribute his scientific work while still giving credit to the author and the Journal of Information Systems and Computer Science as the first publication medium for the work.
- Matters relating to the non-exclusivity of the distribution of the Journal that publishes the author's scientific work can be agreed separately (for example: requests to place the work in the library of an institution or publish it as a book) with the author as one of the parties to the agreement and with credit to sJournal of Information Systems and Computer Science as the first publication medium for the work in question.
- Authors can and are expected to publish their work online (e.g. in a Repository or on their Organization's/Institution's website) before and during the manuscript submission process, as such efforts can increase citation exchange earlier and with a wider scope.