Analisis Deteksi Dini Penyakit Jantung dengan Pendekatan Support Vector Machine pada Data Pasien

Natsir, Fitra M.
Bakti, Riski Yusliana
Wahyuni, Titin

ARUS JURNAL SAINS DAN TEKNOLOGI
Vol 2 No 2: Oktober (2024)

Penelitian ini mengevaluasi deteksi dini risiko penyakit jantung menggunakan algoritma Support Vector Machine (SVM) pada data pasien RSUD Haji Makassar. Dari 640 data pasien yang diproses, tersisa 640 data yang siap untuk analisis. Metode Elbow digunakan untuk mengidentifikasi tiga klaster utama berdasarkan tingkat risiko penyakit jantung: rendah, tinggi, dan sangat tinggi. Model SVM diterapkan dengan akurasi sebesar 0.984375, menunjukkan performa unggul dalam mengklasifikasikan risiko penyakit jantung dengan kesalahan minimal. Analisis ini menegaskan bahwa SVM adalah alat yang efektif untuk identifikasi awal faktor risiko penyakit jantung, dengan pemilihan dan pengolahan data yang tepat berperan krusial dalam meningkatkan akurasi. Temuan ini memberikan dasar bagi pengembangan sistem deteksi dini yang lebih akurat dan intervensi pencegahan yang lebih efektif.