View/Open

Author
M., FAQIH

Advisor
Christyan Tamaro Nadeak, S.Si., M.Si.,

Koleksi
Sains Data

Publisher

Penyakit jantung koroner merupakan salah satu penyebab kematian tertinggi di dunia, sehingga deteksi dini sangat penting dilakukan. Penelitian ini bertujuan untuk membangun model prediksi risiko penyakit jantung koroner menggunakan algoritma Extreme Gradient Boosting (XGBoost) yang dioptimasi dengan Bayesian Optimization. Dataset yang digunakan berasal dari rumah sakit multispesialis di India dengan jumlah 1.000 data pasien dan 14 fitur klinis. Proses penelitian meliputi eksplorasi data, pembersihan data, pembagian data latih dan uji, pelatihan model, serta evaluasi performa. Hasil menunjukkan bahwa model XGBoost tanpa optimasi memiliki akurasi sebesar 84,50%, sedangkan model yang telah dioptimasi dengan Bayesian Optimization mengalami peningkatan signifikan hingga akurasi sebesar 98,50%, dengan nilai presisi, recall, dan skor F1 yang juga meningkat pada kedua kelas. Hal ini membuktikan bahwa optimasi hyperparameter sangat berpengaruh dalam meningkatkan performa model. Selain itu, penelitian ini juga menghasilkan aplikasi berbasis web menggunakan Streamlit yang dapat digunakan oleh tenaga medis maupun pasien untuk memprediksi risiko penyakit jantung koroner secara interaktif.

URI
https://repo.itera.ac.id/depan/submission/SB2509150040

Keyword
XGBoost Bayesian Optimization Penyakit Jantung Koroner Prediksi Risiko Machine Learning Streamlit