Analisis Perbandingan Kinerja Algoritma Klasifikasi dalam Mendeteksi Penyakit Jantung

Authors

  • Abram Setyo Prabowo Bina Nusantara University
  • Felix Indra Kurniadi Tanri Abeng University

DOI:

https://doi.org/10.47970/siskom-kb.v7i1.468

Keywords:

Heart Disease, Machine Learning, SVM, AdaBoost, Random Forest, Linear Regression

Abstract

Abstract— Deteksi penyakit jantung secara dini dan akurat memiliki dampak signifikan terhadap prognosis pasien serta mengurangi beban penyakit secara keseluruhan. Dalam upaya meningkatkan efektivitas deteksi penyakit jantung, teknik pembelajaran mesin dan algoritma klasifikasi telah muncul sebagai alat yang berpotensi ampuh dalam mendiagnosis kondisi ini dengan tingkat akurasi yang tinggi. Penelitian ini bertujuan untuk memprediksi penyakit jantung dengan menggunakan perbandingan Support Vector Machine (SVM), Random Forest, Logistic Regression, dan AdaBoost. Pada penelitian ini algoritma Random Forest mempunyai model base score untuk training test dengan nilai 1, nilai tersebut merupakan nilai terbaik dibandingkan dengan 3 algoritma yang diusulkan pada penelitian ini. Selama pengujian, hasil yang diperoleh adalah algoritma random forest, SVM, dan AdaBoost merupakan algoritma yang mempunyai nilai terbaik dan nilai yang sama pada hasil pengujian. Untuk nilai akurasi 0.985366, presisi 0.985714, recall 0.985437, dan f1-score 0.985364..

KeywordsHeart Disease, Machine Learning, SVM, AdaBoost, Random Forest, Linear Regression

Downloads

Published

2024-09-30