Prediksi Resiko Kematian Pada Penderita Penyakit Kadiovaskular Menggunakan Metode Ensemble Learning

Abstract

Penyakit kardiovaskular, atau lebih popular di Indonesia sebagai penyakit jantung, merupakan penyakit tidak menular yang menyumbangkan kematian terbesar di dunia. Penyakit kardiovaskular adalah penyakit yang disebabkan gangguan fungsi jantung dan pembuluh darah. Diperlukannya estimasi prediksi resiko kardiovaskular untuk meningkatkan kesadaran publik terhadap penyakit kardiovaskular. Machine Learning merupakan fokus pengembangan sistem yang mampu belajar secara “mandiri” tanpa harus berulang kali diprogram manusia. Ensemble learning merupakan salah satu algoritma supervised learning yang menggabungkan satu atau lebih dari algoritma single model sehingga memiliki fleksibilitas yang tinggi. Data yang digunakan pada penelitian ini sebanyak 299 data dengan 13 atribut dimana target kolom yang dicari dalam pengklasifikasian berupa resiko kematian. Data diolah menggunakan ipynb dengan platform analisis google collab. Sebelum data diolah untuk membangun model klasifikasi menggunakan logistic regression, k-nearest neighbours classifier, support vector machine, decision tree, random forest, naïve bayes, dan ensemble voting data dipraproses terrlebih dahulu dengan melakukan pembersihan data, eksplorasi data, normalisasi data dan penyeimbangan data. Model klasifikasi yang diperoleh dievaluasi menggunakan nilai akurasi, precision dan recall.