Article Per Year (5 Year)
p-Index From 2021 - 2026
1.8
P-Index
This Author published in this journals
All Journal JURIKOM (Jurnal Riset Komputer) Informatics and Digital Expert (INDEX) Jurnal Ilmu Pendidikan dan Sains Islam Interdisipliner SUBSERVE: Community Service and Empowerment Journal Community Service Journal : Jurnal Pengabdian Masyarakat Mardira Journal of Applied Digital Business Management
Rosena Shintabella
Politeknik Negeri Indramayu
Religion Humanities Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Library & Information Science Social Sciences Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
Sistem Prediksi Risiko Penyakit Jantung Menggunakan Metode Logistic Regression Berbasis Optimasi Data Robieth Sohiburoyyan; Devan Herdiansyah Nugroho; Salamet Nur Himawan; Vera Wati; Rosena Shintabella
Jurnal Ilmu Pendidikan dan Sains Islam Interdisipliner Vol. 5 No. 3 Agustus 2026: Jurnal Ilmu Pendidikan dan Sains Islam Interdisipliner
Publisher : Yayasan Azhar Amanaa Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59944/jipsi.v5i3.1702

Abstract

Penyakit jantung masih menjadi penyebab kematian yang signifikan diberbagai negara. Kondisi tersebut menunjukkan pentingnya suatu sistem pendukung keputusan yang dapat membantu tenaga medis dalam mendeteksi risiko penyakit jantung sejak dini secara cepat dan akurat. Penelitian ini berfokus pada pengembangan sistem berbasis machine learning untuk memprediksi risiko penyakit jantung melalui penerapan teknik penyeimbangan data, pemilihan fitur, serta optimalisasi model. Dengan pembagian dataset menjadi 80% data pelatihan serta 20% data pengujian dengan metode train test split. Pendekatan supervised learning digunakan dengan membandingkan enam algoritma klasifikasi, yaitu K-Nearest Neighbors (KNN), Decision Tree, Random Forest, Support Vector Machine (SVM), Naive Bayes, dan Logistic Regression. Ketidakseimbangan distribusi data ditangani menggunakan Synthetic Minority Over-sampling Technique (SMOTE), sedangkan penentuan fitur yang relevan dilakukan melalui Embedded Methods dengan Random Forest. Selanjutnya, GridSearchCV digunakan untuk menentukan konfigurasi hyperparameter terbaik. Kinerja setiap model dianalisis berdasarkan accuracy, precision, recall, F1-score, dan ROC-AUC. Berdasarkan hasil pengujian dengan dua hasil klasifikasi berupa berisiko dan tidak berisiko, Logistic Regression sebelum proses hyperparameter tuning menghasilkan performa paling baik, dengan accuracy sebesar 82,06%, precision 85,45%, recall 84,68%, F1-score 85,06%, serta ROC-AUC 87,26%. Performa dari Model terbaik tersebut selanjutnya diintegrasikan ke dalam aplikasi berbasis web dan mobile sebagai sarana pendukung untuk melakukan identifikasi dini terhadap risiko penyakit jantung.
Co-Authors Dede Ibrahim Maulana Devan Herdiansyah Nugroho Enang Rusnandi Fachrul Pralienka Bani Muhamad Fadli Emsa Zamani Fikri Emsa Silmi Imma Ismaniar Meyer Mega Eklesia Silaban Meyer Mega Eklesia Silaban Mohammad Rizky Permana Muhamad Mustamiin Muhammad Fikry Januar Muhammad Ichsan Basir Putri Widanti Setyani Robieth Sohiburoyyan Sahid Triambudhi Salamet Nur Himawan Solihin Tia Seftiani Vera Wati Zulfikar Fauzi