Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Wahana Pendidikan
Halizah, Martina Nur
Unknown Affiliation
Religion Education Social Sciences Other

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Perbandingan Kinerja Artificial Neural Network Random Forest dan LightGBM dalam Prediksi Penyakit Jantung Menggunakan Dataset Kaggle Halizah, Martina Nur; Najla, Shafira; Putri, Syifa Amala; Febita, Nahya; Luthfi Hidayat, Muhammad
Jurnal Ilmiah Wahana Pendidikan Vol 12 No 1.C (2026): Jurnal Ilmiah Wahana Pendidikan
Publisher : Peneliti.net

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penyakit jantung merupakan salah satu penyebab utama kematian di dunia dan memerlukan deteksi dini yang akurat berbasis data klinis. Penelitian ini membandingkan kinerja tiga algoritma machine learning, yaitu Artificial Neural Network (ANN), Random Forest Classifier (RFC), dan Light Gradient Boosting Machine (LightGBM), dalam memprediksi penyakit jantung. Dataset yang digunakan berasal dari Kaggle, terdiri dari 918 sampel dan 11 fitur klinis. Proses pra-pemrosesan meliputi imputasi, encoding, normalisasi, serta penerapan SMOTE untuk menangani ketidakseimbangan data. Evaluasi dilakukan menggunakan metrik akurasi, precision, recall, F1-score, AUC, serta didukung oleh analisis Confusion Matrix, interpretasi SHAP value, dan uji signifikansi McNemar. Hasil menunjukkan bahwa RFC memberikan performa terbaik dengan akurasi 95,37% dan AUC 0,9346. ANN mencatat precision tertinggi sebesar 91,18%, sedangkan LightGBM unggul dalam efisiensi pelatihan. Berdasarkan hasil tersebut, RFC direkomendasikan sebagai model optimal untuk prediksi penyakit jantung. Penelitian ini berkontribusi dalam pengembangan sistem pendukung keputusan berbasis machine learning di bidang kesehatan.
Co-Authors Febita, Nahya Luthfi Hidayat, Muhammad Najla, Shafira Putri, Syifa Amala