<![CDATA[Penyakit kardiovaskular menyebabkan sekitar 17,9 juta kematian setiap tahun, menjadikan penyakit tersebut sebagai penyebab utama kematian di seluruh dunia.. Penelitian ini bertujuan untuk menganalisis model klasifikasi penyakit jantung yang akurat menggunakan teknik machine learning. Algoritma machine learning yang dianalisis meliputi K-Nearest Neighbor (K-NN), Logistic Regression, dan Decision Tree. Penelitian ini menggunakan Heart Disease Dataset dari Kaggle terdiri dari 1025 record dengan 14 atribut. Tahapan penelitian dimulai dari pre-processing data hingga evaluasi performa dilakukan menggunakan bahasa pemrograman Python. Hasil penelitian menunjukkan bahwa algoritma K-NN mencapai akurasi tertinggi sebesar 94% diikuti algoritma Decision Tree memiliki akurasi sebesar 93% dan terakhir Logistic Regression dengan akurasi sebesar 86%. Dari evaluasi ini, dapat disimpulkan bahwa algoritma K-NN memiliki kinerja terbaik dalam klasifikasi data klinis pasien penyakit jantung. Penelitian ini diharapkan memberikan kontribusi signifikan dalam pemilihan algoritma machine learning untuk mendukung diagnosis medis yang lebih baik.]]>
Copyrights © 2024
