ESTD PERPUSTAKAAN UNTAD
ESTD PERPUSTAKAAN UNTAD
| JudulDETEKSI PENYAKIT JANTUNG MENGGUNAKAN SVM: ANALISIS PERFORMA PADA DATASET UCI HEART DISEASE CLEVELAND |
| Nama: ROYAN AL QOIS |
| Tahun: 2026 |
| Abstrak Penyakit jantung merupakan penyebab kematian tertinggi secara global dengan lebih dari 17 juta kematian setiap tahun, sehingga diperlukan sistem deteksi dini yang akurat untuk mengurangi angka kematian. Penelitian ini bertujuan untuk mengembangkan model klasifikasi berbasis algoritma Support Vector Machine (SVM) dalam mendeteksi penyakit jantung menggunakan dataset UCI Heart Disease Cleveland, serta menganalisis kontribusi setiap fitur klinis terhadap diagnosis untuk memberikan rekomendasi fitur-fitur penting yang memengaruhi diagnosis awal dan berkontribusi pada pengembangan Clinical Decision Support System (CDSS) yang lebih akurat berbasis data. Metodologi penelitian meliputi pra-pemrosesan data dengan normalisasi fitur numerik menggunakan StandardScaler dan konversi data kategorikal melalui one-hot encoding. Implementasi algoritma SVM dengan kernel linear dan Radial Basis Function (RBF), serta optimasi hyperparameter melalui GridSearchCV. Hasil evaluasi menunjukkan bahwa algoritma SVM dengan kernel RBF memberikan kinerja yang lebih baik dengan akurasi 86,9%, precision 0,87, recall 0,87, dan F1-score 0,87. Penelitian ini membuktikan bahwa kombinasi pra-pemrosesan data yang tepat, pemilihan kernel yang sesuai, dan optimasi hyperparameter dapat menghasilkan CDSS yang akurat dan andal untuk deteksi dini penyakit jantung, dengan rekomendasi pengembangan lebih lanjut melalui ensemble methods dan implementasi aplikasi praktis di fasilitas kesehatan. Kata kunci— data klinis1, deteksi penyakit jantung2; klasifikasi3, machine learning4, support vector machine5 |