Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Informatika Komputer UG Journal TELKOMNIKA (Telecommunication Computing Electronics and Control) CESS (Journal of Computer Engineering, System and Science) Jurnal Ilmiah KOMPUTASI Jurnal Profesi Insinyur Universitas Lampung Jurnal Pengabdian Kepada Masyarakat Darma Saskara
Desti Riminarsih
Universitas Gunadarma
Agriculture, Biological Sciences & Forestry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Social Sciences

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

Found 11 Documents
Search

 1   2 
Evaluasi Performa Algoritma Supervised Learning untuk Prediksi Risiko Serangan Jantung: Pendekatan Rekayasa Sistem Cerdas Riminarsih, Desti; Nugraha, Alfin
Jurnal Profesi Insinyur Universitas Lampung Vol. 6 No. 1 (2025)
Publisher : Fakultas Teknik Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jpi.v6n1.169

Abstract

Serangan jantung merupakan salah satu penyebab kematian tertinggi di negara berkembang. Penyakit ini terjadi akibat tersumbatnya aliran darah ke otot jantung akibat penyempitan atau penyumbatan arteri koroner. Faktor risiko serangan jantung terdiri atas faktor yang dapat diubah, seperti pola hidup, dan faktor yang tidak dapat diubah, seperti usia dan riwayat keluarga. Deteksi dini terhadap risiko serangan jantung sangat penting untuk meminimalkan angka kematian. Penelitian ini bertujuan untuk membangun dan mengevaluasi model prediksi risiko serangan jantung dengan mengelompokkan pasien ke dalam dua kategori, yaitu risiko rendah dan risiko tinggi, menggunakan pendekatan rekayasa sistem cerdas berbasis supervised learning. Proses penelitian mencakup tahap pengumpulan data, eksplorasi data, pemilihan fitur, pra-pemrosesan data, pelatihan model, serta pengujian model untuk evaluasi performa model menggunakan metrik akurasi. Model klasifikasi dibangun dengan empat algoritma supervised learning yaitu Gradient Boosting, Random Forest, Naive Bayes, dan Logistic Regression. Pada pelatihan model digunakan 10-fold cross validation untuk melihat akurasi dan konsistensi model. Hasil pengujian menunjukkan bahwa algoritma Naive Bayes memiliki akurasi tertinggi sebesar 90%, diikuti oleh Logistic Regression dan Random Forest (88%), dan Gradient Boosting. Model Naive Bayes tetap menunjukkan performa terbaik tidak hanya akurasi tertinggi tetapi juga nilai precision dan F1-score tertinggi untuk kelas positif, serta recall tertinggi untuk kelas negatif. Oleh karena itu, Naive Bayes dinilai sebagai model yang paling andal dan direkomendasikan untuk prediksi risiko serangan jantung secara dini, karena mampu memberikan klasifikasi yang seimbang dan akurat dalam konteks aplikasi medis.
Co-Authors Achmad Benny Mutiara Achmad Fahrurozi Anwar, Gusti Alfahmi Bambang Wahyudi Cut Maisyarah Karyati Dina Indarti Ernastuti Ernastuti Fachry Abda El Rahman Ilmiyati Sari Nadya Putri Ekananda Nugraha, Alfin Nurma Nugraha Rifki Kosasih Saraswati, Mediana