EUVIMEDEUVIMED entdecken
Open Access · CC BY-SA 4.0

KLASIFIKASI PENYAKIT JANTUNG BERDASARKAN FAKTOR KLINIS MENGGUNAKAN ALGORITMA XG BOOST, RANDOM FOREST, SUPPORT VECTOR MACHINE (SVM) DAN K-NEAREST NEIGHBOR (KNN)

Siti Azizah Aini, Diah Fitriani, Mohammad Alif Awwalin, Ahmad Abil Rizky Ramadhan, Ifnu Wisma Dwi Prastya

JATI (Jurnal Mahasiswa Teknik Informatika) · 25.03.2026 · 10 (2) · 3449-3454

DOI: 10.36040/jati.v10i2.17644 ↗

Kurz gefasst

Fachartikel in der Zeitschrift JATI (Jurnal Mahasiswa Teknik Informatika), online erschienen am 25.03.2026. Verfasst von Siti Azizah Aini und 4 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Saat ini penyakit jantung menjadi tantangan utama dalam bidang kesehatan masyarakat, diperlukan sarana deteksi dini yang efektif karena penyakit jantung adalah salah satu penyebab kematian paling umum di dunia. Metode mesin pembelajaran dikembangkan untuk membantu proses diagnosis karena data klinis yang kompleks dan metode konvensional yang terbatas. Menggunakan algoritma Random Forest, Support Vector Machine (SVM), XGBoost, dan K-Nearest Neighbors (KNN), penelitian ini bertujuan untuk mengklasifikasikan penyakit jantung berdasarkan faktor klinis. Dengan jumlah 1.888 dataset pasien dari Kaggle. Proses preprocessing data, pembagian data latih, dan pembagian data uji adalah semua hasil dari penelitian ini, dengan rasio 80:20, pembuatan model dan penilaian menggunakan akurasi, presisi, recall, dan skor F1. Hasil pengujian menunjukkan bahwa Random Forest adalah yang terbaik dengan akurasi sebesar 97,88%, diikuti oleh XGBoost sebesar 94,71%, SVM sebesar 92,59%, dan KNN sebesar 90,21%. Berdasarkan hasil ini, Random Forest dianggap sebagai sistem yang paling ideal dan dapat dipercaya untuk mengklasifikasikan penyakit jantung berdasarkan faktor klinis, dan dapat digunakan sebagai sistem pendukung keputusan dalam bidang kesehatan.

Zitieren

APA

Aini, S. A., Fitriani, D., Awwalin, M. A., Ramadhan, A. A. R., & Prastya, I. W. D. (2026). KLASIFIKASI PENYAKIT JANTUNG BERDASARKAN FAKTOR KLINIS MENGGUNAKAN ALGORITMA XG BOOST, RANDOM FOREST, SUPPORT VECTOR MACHINE (SVM) DAN K-NEAREST NEIGHBOR (KNN). JATI (Jurnal Mahasiswa Teknik Informatika), 10(2), 3449-3454. https://doi.org/10.36040/jati.v10i2.17644

Vancouver

Aini SA, Fitriani D, Awwalin MA, Ramadhan AAR, Prastya IWD. KLASIFIKASI PENYAKIT JANTUNG BERDASARKAN FAKTOR KLINIS MENGGUNAKAN ALGORITMA XG BOOST, RANDOM FOREST, SUPPORT VECTOR MACHINE (SVM) DAN K-NEAREST NEIGHBOR (KNN). JATI (Jurnal Mahasiswa Teknik Informatika). 2026;10(2):3449-3454. doi:10.36040/jati.v10i2.17644

BibTeX
@article{Aini2026,
  author = {Aini, Siti Azizah and Fitriani, Diah and Awwalin, Mohammad Alif and Ramadhan, Ahmad Abil Rizky and Prastya, Ifnu Wisma Dwi},
  title = {KLASIFIKASI PENYAKIT JANTUNG BERDASARKAN FAKTOR KLINIS MENGGUNAKAN ALGORITMA XG BOOST, RANDOM FOREST, SUPPORT VECTOR MACHINE (SVM) DAN K-NEAREST NEIGHBOR (KNN)},
  journal = {JATI (Jurnal Mahasiswa Teknik Informatika)},
  year = {2026},
  volume = {10},
  number = {2},
  pages = {3449--3454},
  doi = {10.36040/jati.v10i2.17644}
}
Kostenlos starten →