relation: https://eprints.amikom.ac.id/id/eprint/32280/
title: PERBANDINGAN KINERJA ALGORITMA LOGISTIC      REGRESSION, DECISION TREE, DAN RANDOM FOREST      DALAM KLASIFIKASI RISIKO PENYAKIT JANTUNG
creator: Hamdi, Habib Baitul
subject: 000 Ilmu komputer, informasi dan pekerjaan umum
subject: 004 Pemrosesan data dan ilmu komputer
description: Penyakit jantung merupakan salah satu penyebab kematian tertinggi di  dunia yang memerlukan penanganan serius. Deteksi dini sangat krusial untuk  mencegah fatalitas, namun kompleksitas faktor risiko klinis sering kali menyulitkan  diagnosis yang cepat dan akurat. Penelitian ini bertujuan untuk membangun dan  membandingkan kinerja model Machine Learning dalam mengklasifikasikan risiko  penyakit jantung, serta mengidentifikasi fitur medis yang paling berpengaruh  terhadap prediksi tersebut. Penelitian ini menggunakan dataset sekunder yang  terdiri dari data rekam medis pasien. Tiga algoritma klasifikasi diterapkan sebagai  pembanding, yaitu Logistic Regression, Decision Tree, dan Random Forest.  Tahapan pra-pemrosesan data dilakukan secara komprehensif, meliputi  penghapusan data duplikat yang menghasilkan 918 data bersih, transformasi data  menggunakan One-Hot Encoding, pembagian data latih dan uji dengan rasio 80:20,  serta penskalaan fitur menggunakan Standard Scaler. Evaluasi performa model  diukur menggunakan metrik Accuracy, Precision, Recall, dan F1-Score. Hasil  pengujian menunjukkan bahwa algoritma Random Forest memiliki kinerja terbaik  dibandingkan dua model lainnya, dengan mencatatkan akurasi tertinggi sebesar  89,67%, precision 91,50%, recall 90,65%, dan F1score 91,07%. Sementa ra itu,  Logistic Regression memperoleh akurasi sebesar 85,32% dan Decision Tree sebesar  79,34%. Analisis Feature Importance pada model terbaik mengungkapkan bahwa  ST Slope (kemiringan gelombanST) dan Oldpeak merupakan variabel yang paling  dominan dalam memengaruhi hasil prediksi. Berdasarkan hasil tersebut, Random  Forest direkomendasikan sebagai metode yang efektif untuk membantu tenaga  medis dalam diagnosis dini penyakit jantung.
date: 2026-01-27
type: Thesis
type: NonPeerReviewed
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/32280/1/COVER.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/32280/2/BAB%20I.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/32280/3/BAB%20II.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/32280/4/BAB%20III.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/32280/5/BAB%20IV.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/32280/6/BAB%20V.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/32280/7/Daftar%20Pustaka%20dan%20Lampiran.pdf
format: archive
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/32280/8/Sourcecode%20-%2022.11.4571.zip
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/32280/9/Publikasi.pdf
identifier:   Hamdi, Habib Baitul  (2026) PERBANDINGAN KINERJA ALGORITMA LOGISTIC REGRESSION, DECISION TREE, DAN RANDOM FOREST DALAM KLASIFIKASI RISIKO PENYAKIT JANTUNG.  S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.