IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI PENYAKIT JANTUNG DENGAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)

Khairy, Muhammad - 215610026 (2025) IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI PENYAKIT JANTUNG DENGAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM). Skripsi thesis, UNIVERITAS TEKNOLOGI DIGITAL INDONESIA.

	Text 1_215610026_HALAMAN_DEPAN.pdf - Published Version Download (3MB)
	Text 2_215610026_BAB_I.pdf - Published Version Download (3MB)
	Text 3_215610026_BAB_II.pdf - Published Version Download (3MB)
	Text 4_215610026_BAB_III.pdf - Published Version Restricted to Repository staff only Download (3MB)
	Text 5_215610026_BAB_IV.pdf - Published Version Restricted to Registered users only Download (3MB)
	Text 6_215610026_BAB_V.pdf - Published Version Download (3MB)
	Text 7_215610026_DAFTAR_PUSTAKA.pdf - Published Version Download (3MB)
	Text 8_215610026_LISTING_PROGRAM.pdf - Published Version Restricted to Repository staff only Download (3MB)
	Text 9_215610026_LAMPIRAN.pdf - Published Version Download (3MB)

Abstract

Penyakit jantung merupakan salah satu penyebab utama kematian di Indonesia, dengan prevalensi yang terus meningkat dari 0,5% pada 2013 menjadi 1,5% pada 2018 berdasarkan data Riset Kesehatan Dasar (Riskesdas). Kurangnya kesadaran masyarakat terhadap gejala awal penyakit ini sering menyebabkan keterlambatan diagnosis, yang berpotensi menimbulkan komplikasi serius. Penelitian ini bertujuan untuk mengukur akurasi dalam implementasikan metode Support Vector Machine (SVM) untuk memprediksi penyakit jantung berdasarkan faktor-faktor risiko seperti jenis sakit dada (chest pain), tekanan darah (tresbps), kolesterol (chol), hasil tes EKG (restacg), denyut jantung (thalach), dan kadar gula darah puasa (fasting blood sugar, FBS). Model SVM yang dikembangkan dalam penelitian ini menunjukkan akurasi keseluruhan sebesar 90% dengan nilai AUC sebesar 0,95, yang mencerminkan kemampuan sangat baik dalam membedakan individu yang berisiko dan tidak berisiko. Kata Kunci : Kernel RBF, Prediksi Penyakit Jantung, Support Vector Machine,

Item Type:	Thesis (Skripsi)
Additional Information:	Pembbimbing : Robby Cokro Buwono, S.Kom., M.Kom
Uncontrolled Keywords:	Kernel RBF, Prediksi Penyakit Jantung, Support Vector Machine,
Subjects:	A Karya Umum (General) > Ilmu Komputer (Computer Science) > Database > Data Mining A Karya Umum (General) > Metode Riset
Divisions:	Jenjang S1 > Sistem Informasi (S1)
Depositing User:	Mr. Andi Setyanto
Date Deposited:	05 Mar 2025 04:59
Last Modified:	05 Mar 2025 04:59
URI:	http://eprints.utdi.ac.id/id/eprint/10685

Actions (login required)

View Item