<![CDATA[Penyakit jantung menjadi penyebab utama kematian di seluruh dunia. Oleh karena itu, diagnosis penyakit jantung dini sangat krusial untuk menurunkan risiko komplikasi dan meningkatkan prospek pemulihannya. Tujuan dari penelitian ini adalah membuat model penyakit jantung berbasis Support Vector Machine yang efektif dan akurat. Alasan pemilihan metode SVM adalah karena metode ini efektif mengklasifikasikan data yang kompleks dan memiliki keakuratan yang tinggi dengan ukuran data yang dibatasi. Penelitian ini menggunakan beberapa variabel klinis termasuk tekanan darah, kolesterol, pola jantung, dan kami menggambarkan beberapa variabel lainnya dalam beberapa variabel lanjutan. Metode validasi silang diterapkan di model kami untuk membandingkan model kami dalam data uji sehingga tingkat akurasi, sensitivitas, dan spesifisitas optimal diperoleh. Berdasarkan hasil klasifikasi variabel menggunakan SVM, model SVM memiliki performa yang unggul dalam pengklasifikasi pasien penyakit jantung yang berpotensi terkena penyakit jantung dengan tingkat akurasi lebih dari 90%. Hasil penelitian menyimpulkan bahwa SVM merupakan metode yang lebih cepat dan akurat yang dapat dijadikan sebagai suatu alat untuk mendukung diagnosis penyakit jantung di dalam suatu pengaturan klinis.]]>
Copyrights © 2024
