Penerapan Logistic Regression dalam Memprediksi Risiko Penyakit Jantung Berdasarkan Data Kesehatan

Lysus, Nathanael (2026) Penerapan Logistic Regression dalam Memprediksi Risiko Penyakit Jantung Berdasarkan Data Kesehatan. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (457kB)
	PDF BAB_I.pdf Download (404kB)
	PDF BAB_II.pdf Download (546kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (967kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (958kB)
	PDF BAB_V.pdf Restricted to Registered users only Download (372kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (277kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)
	Archive (ZIP) 00000078416_2521_LembarPengesahan.pdf Restricted to Registered users only Download (63kB)

Abstract

Penyakit jantung merupakan salah satu penyebab kematian tertinggi di dunia dan menjadi masalah kesehatan yang terus meningkat di Indonesia. Tingginya prevalensi faktor risiko seperti hipertensi, diabetes, dan obesitas mendorong perlunya deteksi dini yang lebih efektif. Pemanfaatan machine learning dapat membantu proses skrining risiko penyakit jantung secara lebih cepat dan objektif. Penelitian ini bertujuan memprediksi risiko penyakit jantung menggunakan algoritma Logistic Regression pada Heart Attack Prediction Indonesia Dataset yang terdiri dari 158.355 data dan 27 fitur. Metodologi yang digunakan adalah CRISP-DM dengan tahapan data understanding, data preparation, modeling, evaluation, dan deployment. Untuk meningkatkan performa model, diterapkan Synthetic Minority Oversampling Technique (SMOTE), Grid Search Cross Validation, dan penyesuaian threshold klasifikasi. Hasil penelitian menunjukkan bahwa model Logistic Regression memperoleh accuracy sebesar 69,49%, precision sebesar 0,59, recall sebesar 0,80, F1-score sebesar 0,68, dan ROC-AUC sebesar 0,7997. Hasil tersebut menunjukkan bahwa model mampu mendeteksi sebagian besar pasien berisiko penyakit jantung dengan baik. Analisis Odds Ratio menunjukkan bahwa riwayat penyakit jantung, hipertensi, diabetes, obesitas, usia, kadar kolesterol, dan kadar gula darah merupakan faktor yang paling berpengaruh terhadap peningkatan risiko penyakit jantung. Penelitian ini menghasilkan model prediksi yang dapat digunakan untuk membantu proses skrining awal risiko penyakit jantung dan telah diimplementasikan dalam bentuk aplikasi prediksi berbasis web.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Lysus, Nathanael (00000078416)
Contributors:	Suryasari, Suryasari
Keywords:	crisp-dm, logistic regression, prediksi penyakit jantung
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	24 Jul 2026 08:06
URI:	https://kc.umn.ac.id/id/eprint/48043

Actions (login required)

View Item