Perbandingan Performa Data Penyakit Jantung Menggunakan Pendekatan Klasifikasi Boosting Methods

Abstract

Penyakit jantung merupakan penyebab utama kematian di seluruh dunia, termasuk di Indonesia. Deteksi dini dan prediksi penyakit ini menjadi penting dalam upaya pencegahan dan penanganannya. Pendekatan Machine Learning (ML) telah digunakan dalam prediksi penyakit jantung, dengan hasil penelitian menunjukkan potensi besar dalam mendukung identifikasi dini. Beberapa studi sebelumnya telah berhasil meningkatkan akurasi prediksi hingga 85,21% dengan menggunakan berbagai metode ensemble dan hybrid model. Penelitian juga menyoroti efektivitas algoritma Boosting, dengan algoritma Gradient Boosting mampu mencapai akurasi hingga 89,5%. Namun, masih diperlukan penelitian lebih lanjut untuk membandingkan metode Boosting yang lebih unggul. Hasil penelitian menekankan pentingnya pengembangan lebih lanjut dalam hal algoritma, optimasi parameter, dan penggunaan dataset yang lebih besar. Eksplorasi lebih lanjut diharapkan dapat meningkatkan validitas dan generalisasi hasil penelitian di masa mendatang