<![CDATA[Penyakit jantung merupakan salah satu penyebab utama kematian yang dapat memengaruhi individu pada usia produktif maupun lanjut usia. Oleh karena itu, strategi deteksi dini sangat dibutuhkan untuk mengurangi risiko komplikasi serta menekan biaya perawatan medis. Penelitian ini mengembangkan model klasifikasi berbasis Artificial Neural Network (ANN) guna meningkatkan akurasi dalam mendiagnosis penyakit jantung. Data penelitian bersumber dari Heart Disease Dataset Kaggle dengan jumlah 1.025 rekam medis pasien yang memuat 14 parameter klinis, di antaranya jenis nyeri dada, kadar kolesterol, detak jantung maksimum, hingga kadar gula darah puasa. Pendekatan CRISP-DM digunakan untuk mengarahkan tahapan penelitian mulai dari pemahaman data, pemilihan fitur, pelatihan model, evaluasi performa, hingga penerapan pada aplikasi mobile. ANN yang dibangun memiliki dua lapisan tersembunyi, menggunakan algoritma optimisasi Adam, dan dilatih selama 50 epoch. Evaluasi menghasilkan akurasi 79,61%, precision 73,53%, recall 94,34%, serta F1-score 82,64%. Model ini berhasil diimplementasikan pada platform Android sehingga memudahkan prediksi kondisi jantung secara efisien. Penelitian ini diharapkan mendukung kemajuan teknologi kesehatan digital dan dapat ditingkatkan dengan dataset yang lebih luas serta arsitektur model yang lebih kompleks.]]>
Copyrights © 2025
