Implementasi Algoritma Decision Tree Untuk Pendeteksian Penyakit Jantung

Abstract

Penyakit jantung merupakan salah satu penyebab utama kematian di dunia, sehingga penting untuk mengembangkan metode yang efektif dalam mendeteksi dan memprediksi risiko penyakit ini. Algoritma Decision Tree telah banyak digunakan dalam bidang kesehatan karena kemampuannya untuk menangani data yang kompleks dan memberikan hasil yang mudah diinterpretasikan. Penelitian ini membahas implementasi algoritma Decision Tree untuk prediksi penyakit jantung dengan menggunakan dataset yang berisi berbagai fitur klinis, seperti tekanan darah, kadar kolesterol, usia, jenis kelamin, dan lain-lain. Dalam proses implementasi, data diolah melalui beberapa tahapan, termasuk pembersihan data, pemilihan fitur, serta pembagian data menjadi subset pelatihan dan pengujian. Hasil dari model menunjukkan bahwa algoritma Decision Tree mampu mencapai tingkat akurasi yang baik dalam memprediksi risiko penyakit jantung. Selain itu, analisis lebih lanjut terhadap fitur-fitur yang paling berpengaruh dalam prediksi membantu memberikan wawasan yang lebih mendalam tentang faktor risiko utama penyakit jantung. Studi ini menunjukkan bahwa algoritma Decision Tree merupakan alat yang efektif untuk digunakan dalam prediksi medis, khususnya penyakit jantung, dan memiliki potensi untuk diintegrasikan ke dalam sistem pendukung keputusan klinis.