Perbandingan Kinerja Neural Network dengan Metode Klasifikasi Tradisional dalam Mendiagnosis Penyakit Jantung: Sebuah Studi Komparatif

Abstract

Dalam dunia medis, penyakit jantung menjadi salah satu penyebab kematian terbanyak. Oleh karena itu, perlu dikembangkan sistem yang dapat membantu dalam deteksi dan diagnosis penyakit jantung. Dalam penelitian ini, kami menggunakan proses neural network untuk membantu dalam deteksi penyakit jantung dengan menggunakan data training dan testing yang telah dikumpulkan. Data yang digunakan terdiri dari berbagai fitur klinis dan faktor risiko yang dikumpulkan dari pasien yang terkena penyakit jantung. Hasil dari penelitian lain untuk mendiagnosa penyakit jantung dengan metode klasifikasi tradisional menunjukkan akurasi: Logistic Regression 88.52%, K-Nearest Neighbors 78.69%, Random Forest Classifier 86.89%, dan Tuned K-Nearest Neighbors 85.25%. Sedangkan, model neural network yang dikembangkan dapat mengklasifikasikan pasien berdasarkan kondisi jantung mereka dengan akurasi mencapai 91%. Proses pelatihan model melibatkan penggunaan algoritma optimasi RMSprop, dengan cross-validation dan parameter tuning yang dilakukan untuk mencapai hasil terbaik. Model ini mampu memproses input dengan kecepatan tinggi dan menghasilkan hasil klasifikasi yang akurat. Neural network dapat membantu diagnosis awal penyakit jantung bagi tenaga medis. Namun, peningkatan akurasi dan keandalan membutuhkan penelitian lebih lanjut dengan data yang lebih besar dan fitur klinis yang beragam. Dengan optimalisasi model ini, diharapkan penanganan penyakit jantung menjadi lebih efektif dan efisien.