KLASIFIKASI PENYAKIT JANTUNG BERBASIS SELEKSI FITUR CHI-SQUARE DAN MACHINE LEARNING

Abstract

Penyakit jantung merupakan salah satu penyebab utama kematian di dunia, termasuk di Indonesia. Deteksi dini sangat penting untuk mencegah komplikasi yang lebih serius. Dalam penelitian ini, dilakukan klasifikasi penyakit jantung berdasarkan data klinis pasien menggunakan tiga model machine learning, yaitu K- Nearest Neighbors (KNN), Support Vector Machine (SVM), dan Random Forest. Dataset yang digunakan adalah heart.csv dari platform Kaggle, yang terdiri dari 918 data pasien dengan 11 fitur dan 1 target. Untuk mengatasi ketidakseimbangan data, digunakan metode Synthetic Minority Oversampling Technique (SMOTE), serta seleksi fitur dilakukan dengan metode SelectKBest berbasis chi- square. Evaluasi model dilakukan menggunakan metrik akurasi, precision, recall, f1-score, dan confusion matrix pada data validasi dan testing. Hasil penelitian menunjukkan bahwa pendekatan machine learning dapat digunakan secara efektif untuk membantu deteksi dini penyakit jantung dan mendukung pengambilan keputusan dalam bidang medis.