Prediksi Pasien Terindikasi Penyakit Jantung Menggunakan Metode Logistic Regression

Abstract

Penyakit serangan jantung (Heart Attack) telah terbukti sebagai salah satu penyakit berbahaya di dunia. Penyakit serangan jantung adalah kondisi dimana tersumbatnya arteri yang disebabkan oleh timbunan lemak. Deteksi penyakit jantung perlu dilakukan sejak dini karena gejala awalnya sering kali tidak jelas dan mudah terabaikan sehingga banyak orang tidak menyadari bahwa mereka sedang mengalami kondisi yang berakibat fatal nantinya. Untuk mengatasi masalah tersebut teknologi machine learning dapat digunakan untuk membantu mendeteksi penyakit jantung dengan menggunakan data historis pasien dengan berbagai metode yang ada. Pada penelitian ini metode yang digunakan adalah logistic regression dimana metode tersebut memodelkan probabilitas kejadian dari suatu peristiwa untuk menghasilkan nilai binary, yaitu nol dan satu sebagai penentuan klasifikasinya. Model yang diterapkan memberikan hasil akurasi pada data training sebesar 86% dan pada data testing sebesar 88%.  Berdasakan hasil confusion matrix, model mampu memprediksi sampel yang benar-benar negatif (TN) dengan baik, ditunjukkan dari persentase yang cukup bagus mencapai nilai 85,39%. Kemudian proporsi false negative (FN) juga cukup rendah 9,52%. Nilai true positif (TP) mencapai 90,48% dan ROC curve menunjukkan nilai AUC 0,95 (mendekati 1) yang berarti model memiliki 95% area dibawah curva. Hal ini menunjukkan bahwa model yang dibangun memberikan performa yang baik. Jika dibandingkan dengan beberapa metode machine learning lainnya, metode logistic regression lebih unggul dari tingkat akurasinya.