<![CDATA[Penyakit jantung masih menjadi salah satu penyebab kematian tertinggi secara global dengan angka kejadian yang terus meningkat. Penelitian ini membandingkan kinerja algoritma Support Vector Machine (SVM) dan Random Forest (RF) dalam memprediksi risiko penyakit jantung menggunakan dataset dari Kaggle. Untuk meningkatkan performa model, diterapkan metode seleksi fitur ANOVA F-value guna mengidentifikasi atribut yang paling relevan. Hasil pengujian menunjukkan bahwa Random Forest memiliki performa lebih baik dengan akurasi 99%, dibandingkan SVM yang mencapai 97%. Berdasarkan evaluasi confusion matrix, Random Forest juga menghasilkan tingkat kesalahan klasifikasi yang lebih rendah. Oleh karena itu, Random Forest dinilai lebih efektif untuk prediksi penyakit jantung dan berpotensi menjadi dasar pengembangan aplikasi deteksi dini berbasis machine learning. Penelitian ini diharapkan dapat mendukung pemanfaatan kecerdasan buatan dalam meningkatkan upaya pencegahan dan deteksi dini penyakit jantung.]]>
Copyrights © 2026
