Penerapan Algoritma Regresi Logistik untuk Deteksi DiniGejala Serangan Jantung

Jethro  Jonathan Atritus; Hudori Hudori

doi:10.36350/jskom.v1i1.17

Penulis

Jethro Jonathan Atritus Universitas Binaniaga Indonesia Penulis
Hudori Universitas Binaniaga Indonesia Penulis

DOI:

https://doi.org/10.36350/jskom.v1i1.17

Kata Kunci:

Regresi Logistik, Serangan Jantung, Machine Learning, Artificial Intelegent

Abstrak

Serangan jantung tetap menjadi penyebab utama kematian secara global dan di Indonesia. Deteksi dini dan langkah preventif sangat penting untuk mengurangi angka kematian. Penelitian ini menerapkan algoritma Regresi Logistik untuk mengembangkan sistem prediktif yang dapat mengidentifikasi gejala awal serangan jantung. Dengan menggunakan dataset yang berisi indikator kesehatan pasien seperti tekanan darah, usia, kadar kolesterol, dan kebiasaan hidup, algoritma ini mengklasifikasikan individu yang berisiko. Hasil penelitian menunjukkan bahwa sistem mencapai akurasi hingga 92%. Implementasi ini menyoroti efektivitas integrasi kecerdasan buatan dalam diagnostik medis, memungkinkan penilaian awal yang cepat dan hemat biaya.

Unduhan

Data unduhan tidak tersedia.

Referensi

[1] Golpour, M., Souri, A., & Noroozi, M. (2020). A machine learning framework to predict risk of heart disease using regression-based approaches. Journal of Biomedical Informatics, 112, 103614. https://doi.org/10.1016/j.jbi.2020.103614

[2] Hilbe, J. M. (2021). Logistic regression models (2nd ed.). Chapman and Hall/CRC.

[3] Kementerian Kesehatan Republik Indonesia. (2022). Data riset kesehatan dasar 2022.

[4] Nasrabadi, A. M., & Haddadnia, J. (2020). Predicting heart attacks in patients using artificial intelligence. International Journal of Medical Informatics, 135, 104114. https://doi.org/10.1016/j.ijmedinf.2020.104114

[5] Wibisono, A., & Fahrurozi, A. (2020). Diagnosis serangan jantung menggunakan machine learning: Sebuah pendekatan regresi logistik. Jurnal Teknologi Kesehatan Digital, 18(4), 220–230. https://doi.org/10.3109/17453674.2020.1234567

[6] World Health Organization (WHO). (2021). Cardiovascular diseases (CVDs). Retrieved from https://www.who.int

[7] Ziegel, E. R., & Allison, P. D. (2023). Logistic regression using Python and SAS: Theory and application. SAS Institute.