Klasifikasi Penyakit Serangan Jantung Menggunakan Metode MAchine Learning K-Nearest Neighbors (KNN) dan Support Vector Machine (SVM)

Penyakit kardiovaskular (PKV) istilah umum untuk gangguan yang berhubungan dengan jantung, arteri koroner dan pembuluh darah. Paling umum penyakit ini disebabkan penyumbatan pembuluh darah, baik karena penumpukan lemak atau perdarahan internal. Menurut WHO, setiap tahun angka kematian mencapai 32% disebabkan oleh penyakit kardiovaskular, yaitu sekitar 17,9 juta orang setiap tahun. Banyaknya faktor penyebab PKV , menyulitkan dokter untuk mendiagnosis pasien berpeluang rendah atau lebih tinggi terkena serangan jantung. Diperlukan model machine learning untuk pengenalan sejak dini gejala serangan penyakit jantung. Model supervised learning seperti KNN dan SVM dilakukan pada penelitian sebelumnya, tanpa penggunaan seleksi fitur dengan dataset yang didapat dari Kaggle. PCA diterapkan guna mengurangi dimensi data menjadi variabel yang lebih kecil. Dengan digunakan evaluasi confusion matrix dan kurva ROC, didapatkan peningkatan hasil akurasi dari penelitian sebelumnya model KNN sebesar 83,6% menjadi 90,16%. Model SVM pun mengalami peningkatan akurasi dari sebelumnya 85,7% menjadi 86,88%. Digunakan seleksi fitur PCA, membuktikan adanya peningkatan akurasi pada penelitian tersebut. Model KNN dengan tingkat akurasi lebih tinggi yaitu 90,16% lebih baik untuk klasifikasi seseorang termasuk normal atau dapat terdiagnosis serangan jantung.
Kata Kunci: Machine learning; KNN; SVM; Klasifikasi; Serangan jantung