Article Per Year (5 Year)
p-Index From 2021 - 2026
1.704
P-Index
This Author published in this journals
All Journal Electro Luceat JEEMECS (Journal of Electrical Engineering, Mechatronic and Computer Science) PINTER : Jurnal Pendidikan Teknik Informatika dan Komputer bit-Tech Cendekia : Jurnal Pengabdian Masyarakat INFORMASI (Jurnal Informatika dan Sistem Informasi) JTIK (Jurnal Teknik Informatika Kaputama) Jurnal Tekinkom (Teknik Informasi dan Komputer) Journal Zetroem Komunita: Jurnal Pengabdian dan Pemberdayaan Masyarakat
Yudo Bismo Utomo
Universitas Islam Kadiri
Humanities Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Public Health Social Sciences

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

Found 11 Documents
Search

 1   2 
DETEKSI DINI RISIKO PENYAKIT KARDIOVASKULAR MENGGUNAKAN TEKNIK STACKING ENSEMBLE LEARNING DENGAN PENDEKATAN CRISP-DM whilli; Yudo Bismo Utomo; Moh. Syaiful Anam; Harso Kurniadi
PINTER : Jurnal Pendidikan Teknik Informatika dan Komputer Vol. 9 No. 2 (2025): Jurnal PINTER
Publisher : PTIK Fakultas Teknik UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/pinter.9.2.10

Abstract

Penyakit kardiovaskular, termasuk penyakit jantung dan stroke, menjadi salah satu kasus penyakit tertinggi di Indonesia dalam daftar penyakit tidak menular (PTM). Penelitian ini bertujuan pada pengembangan model prediksi risiko penyakit kardiovaskular dan mengimplementasikannya dalam bentuk aplikasi web berbasis framework Streamlit yang diperuntukkan bagi pengguna umum sebagai alat deteksi dini, dengan output berupa probabilitas risiko kardiovaskular yang dihasilkan oleh model prediksi. Model prediksi dikembangkan menggunakan teknik Stacking Ensemble Learning. Penelitian ini menggunakan metode CRISP-DM sebagai kerangka kerja yang terstruktur dan sesuai untuk pengembangan model pembelajaran mesin. Hasil penelitian menunjukkan bahwa model prediksi menghasilkan akurasi sebesar 97% pada data uji. Model prediksi berhasil di-deploy ke dalam aplikasi web berbasis Streamlit yang memungkinkan pengguna memasukkan data kesehatan untuk memperoleh estimasi probabilitas risiko kardiovaskular. Selanjutnya, aplikasi diujikan kepada pengguna melalui kuesioner, yang menunjukkan tingkat penerimaan yang baik dengan skor 83,47%.
Co-Authors Afif Nurkholis ANITA SUMELVIA DEWI Aprilia Dian Evasari Aries Muarriful Aziz Dian Efytra Yuliana Eclesianetha Ayu Pasha Erlin Widya Fatmawati Erwanto, Danang Harso Kurniadi Harso Kurniadi Iin Kurniasari Moh. Syaiful Anam Putri Nur Rahayu Riska Nurtantyo Sarbini whilli