Deteksi Penyakit Jantung Menggunakan Algoritma Decision Tree Berbasis Machine Learning

This is the authors' abstract. We don't add key points for this paper.

Penyakit jantung merupakan salah satu penyebab utama kematian di dunia, sehingga deteksi dini menjadi hal yang sangat penting untuk mengurangi risiko kematian. Penelitian ini bertujuan untuk mendeteksi penyakit jantung menggunakan algoritma Decision Tree berbasis machine learning. Data yang digunakan terdiri dari beberapa variabel, yaitu jenis nyeri dada, detak jantung maksimum, angina setelah olahraga, depresi segmen ST, kemiringan segmen ST saat latihan puncak, jumlah pembuluh darah, dan hasil uji stres talium. Algoritma Decision Tree dipilih karena mampu menghasilkan model yang mudah diinterpretasikan dalam bentuk struktur pohon dan rules. Proses analisis dilakukan melalui tahap pembagian data menjadi data training dan data testing, pembentukan model, serta evaluasi kinerja menggunakan confusion matrix. Berdasarkan hasil pengujian, diperoleh nilai akurasi 88,2%, presisi 90,9%, recall 85,7%, dan F1-score 88,2% pada data testing. Nilai tersebut menunjukkan bahwa model memiliki kemampuan yang baik dalam mengklasifikasikan data, terutama dalam mendeteksi pasien yang memiliki penyakit jantung. Hasil analisis juga menunjukkan bahwa variabel hasil uji stres talium menjadi faktor yang paling dominan dalam proses klasifikasi, diikuti oleh jumlah pembuluh darah yang terlihat, jenis nyeri dada, dan detak jantung maksimum. Dengan demikian, algoritma Decision Tree dapat digunakan sebagai alat untuk pengambilan keputusan dalam mendeteksi penyakit jantung secara lebih mudah cepat, dan akurat.