PENERAPAN ALGORITMA LOGISTIC REGRESSION UNTUK MEMPREDIKSI PENYAKIT JANTUNG

RHOMADON, MUHAMMAD FITRA (2025) PENERAPAN ALGORITMA LOGISTIC REGRESSION UNTUK MEMPREDIKSI PENYAKIT JANTUNG. Other thesis, UNIVERSITAS BINA DARMA.

	Text (BAB 0) BAB0.pdf Download (1MB)
	Text (BAB 1) BAB1.pdf Download (475kB)
	Text (DAFTAR PUSTAKA) DAPUS.pdf Download (440kB)
	Text (FULL BAB SKRIPSI) FULLBAB.pdf Restricted to Repository staff only Download (5MB)
	Text (LAMPIRAN) LAMP.pdf Download (616kB)

Abstract

Penyakit jantung merupakan salah satu penyebab kematian tertinggi di dunia, termasuk di Indonesia. Deteksi dini terhadap risiko penyakit jantung sangat penting untuk mencegah komplikasi yang lebih parah dan meningkatkan kualitas hidup pasien. Penelitian ini bertujuan untuk menerapkan algoritma Logistic Regression dalam membangun model prediksi penyakit jantung berbasis data. Dataset yang digunakan berasal dari Kaggle, dengan jumlah 1.025 data pasien dan 14 atribut yang mencakup faktor-faktor risiko seperti usia, jenis kelamin, tekanan darah, kolesterol, denyut jantung maksimum, dan lain-lain. Proses penelitian dilakukan menggunakan pendekatan CRISP-DM yang mencakup tahapan pemahaman bisnis, eksplorasi data, preprocessing, pemodelan, evaluasi, dan uji coba model. Tahapan preprocessing meliputi pembersihan data, encoding variabel kategorikal, standarisasi data numerik, dan pembagian data menjadi data latih dan data uji. Model dikembangkan menggunakan bahasa pemrograman Python dan pustaka scikit-learn, lalu dievaluasi menggunakan metrik akurasi, precision, recall, F1-score, confusion matrix, serta ROC-AUC. Hasil evaluasi menunjukkan bahwa model Logistic Regression mampu memberikan hasil prediksi yang baik, dengan nilai akurasi sebesar 0,93, precision 0,93, recall 0,96, dan F1- score 0,95. Dengan performa tersebut, model ini dapat digunakan sebagai alat bantu untuk tenaga medis dalam mendeteksi dini risiko penyakit jantung dan mendukung pengambilan keputusan secara lebih efektif dan efisien.

Actions (login required)

View Item