<![CDATA[Penyakit jantung merupakan penyebab utama kematian di Indonesia dan dunia, sehingga deteksi dini menjadi sangat penting. Penelitian ini membandingkan performa tiga algoritma machine learning—Logistic Regression, Random Forest, dan K-Nearest Neighbors (KNN) dalam memprediksi penyakit jantung menggunakan data dari Kaggle. Proses penelitian mencakup pengumpulan data, preprocessing, pembagian data, pemodelan, dan evaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil evaluasi menunjukkan bahwa model KNN memiliki performa terbaik dengan akurasi 85,88% dan keseimbangan yang tinggi antara presisi, recall, dan F1-score (masing-masing 87,23%). Model Random Forest menyusul dengan akurasi 82,35% dan AUC tertinggi sebesar 0,88, sedangkan Logistic Regression menunjukkan performa terendah dengan akurasi 77,65%. Berdasarkan hasil tersebut, model KNN direkomendasikan sebagai metode yang paling efektif untuk deteksi dini penyakit jantung, dengan Random Forest sebagai alternatif yang stabil dan andal.]]>
Copyrights © 2025
