KLASIFIKASI RISIKO PENYAKIT JANTUNG MENGGUNAKAN ALGORITMA VECTOR MACHINE (SVM)

Abstract

Penyakit jantung merupakan salah satu penyebab utama kematian di dunia, sehingga deteksi dini menjadi hal yang sangat penting untuk mencegah risiko fatal. Penelitian ini bertujuan untuk mengklasifikasikan risiko penyakit jantung dengan menggunakan algoritma Support Vector Machine (SVM). Permasalahan yang diangkat adalah masih tingginya angka kematian akibat keterlambatan dalam pemeriksaan dini serta kurangnya akses informasi terkait penyakit jantung. Data yang digunakan dalam penelitian ini diambil dari situs Kaggle dan mencakup berbagai atribut demografis dan medis. Tahapan penelitian mencakup pra-pemrosesan data, pelatihan model menggunakan kernel Radial Basis Function (RBF), serta optimasi parameter dengan grid search dan k-fold cross-validation. Evaluasi dilakukan menggunakan metrik akurasi, confusion matrix, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model SVM memiliki performa tinggi, dengan akurasi sebesar 96% pada data latih dan 100% pada data uji. Temuan ini membuktikan bahwa SVM efektif dalam mendeteksi risiko penyakit jantung dan berpotensi besar untuk diterapkan dalam sistem pendukung keputusan klinis