IMPLEMENTASI MACHINE LEARNING UNTUK PREDIKSI KEMUNGKINAN PENYAKIT JANTUNG MENGGUNAKAN METODE RANDOM FOREST

Abstract

Penyakit jantung atau penyakit kardiovaskuler dan pembuluh darah merupakan salah satu masalah kesehatan yang penting baik di negara maju maupun negara berkembang. Penyakit ini merupakan penyebab utama kematian di dunia setiap tahunnya. Sekitar 17,3 juta kematian disebabkan oleh penyakit kardiovaskuler sejak tahun 2008. Lebih dari 3 juta kematian ini terjadi sebelum usia 60 tahun. Penelitian ini bertujuan untuk mengimplementasikan Machine Learning menggunakan algoritma Random Forest dengan dataset yang diperoleh dari UCI Machine Learning Repository dengan jumlah data 1024 dan 14 atribut diantaranya age, sex, cp, trestbps, chol, fbs, restecg, thalach, oldpeak, slope, ca, thal, target. Dari hasil penelitian yang diperoleh, akurasi dari penggunaan algoritma Random Forest sebesar 89% dan AUC sebesar 0.898. Untuk tahap deployment dilakukan menggunakan Streamlit untuk membuat antarmuka web interaktif. Implementasi Streamlit memungkinkan dokter atau profesional tenaga kesehatan untuk memasukan data pasien dan langsung memperoleh prediksi kemungkinan pasien memiliki penyakit jantung.