Evaluasi Logistic Regression dan Neural Network pada Klasifikasi Gagal Jantung Berbasis Threshold
Keywords:
Gagal Jantung, Klasifikasi, Logistic Regression, Shallow Neural NetworkAbstract
Kardiovaskular adalah sistem jantung dan pembuluh darah dalam tubuh manusia yang bertanggung jawab atas sirkulasi darah dalam jantung, pembuluh darah, dan darah sendiri. Gangguan pada fungsi sistem ini dapat menyebabkan penyakit kardiovaskular, seperti gagal jantung, yang menjadi salah satu penyebab utama kematian di seluruh dunia. Kematian yang disebabkan oleh gagal jantung mempengaruhi 1.5 juta pasien di seluruh dunia. Dikarenakan oleh data statistik tersebut, maka ada kebutuhan untuk dapat memprediksi dampak gagal jantung untuk membantu tingkat kelangsungan hidup pasien. Sebagai bentuk kontribusi terhadap kebutuhan tersebut, penelitian ini akan menganalisis sebuah dataset pelayanan kesehatan, yaitu dataset rekam gagal jantung dari UCI. Dataset tersebut akan digunakan untuk mengklasifikasi dan memprediksi peluang kematian dari pasien gagal jantung. Kami akan membandingkan antara dua metode klasifikasi dari machine learning, yaitu Logistic Regression (LR), dan deep learning, yaitu Shallow Neural Network (SNN). Mutual Information (MI) dipilih sebagai metode pemilihan fitur. Hasil menunjukkan bahwa SNN menghasilkan akurasi lebih tinggi dengan skor 0.75, dibandingkan LR dengan akurasi sebesar 0.63.References
American Diabetes Association Professional Practice Committee, "10. Cardiovascular Disease and Risk Management: Standards of Care in Diabetes—2024," Diabetes Care, vol. 47, no. 1, pp. S179-S218, 2024.
A. Groenewegen, F. H. Rutten, A. Mosterd and A. W. Hoes, "Epidemiology of heart failure," European Society and Cardiology, vol. 22, no. 8, p. 1342–1356, 2020.
N. R. Jones, A. K. Roalfe, I. Adoki, F. R. Hobbs and C. J. Taylor, "Survival of patients with chronic heart failure in the community: a systematic review and meta-analysis," European Society of Cardiology, vol. 21, no. 11, p. 1306–1325, 2019.
K. I. F. Pratama and Kusnawi, "Komparasi Algoritma Supervised Learning dan Feature Selection pada Klasifikasi Penyakit Gagal Jantung," Indonesian Journal of Computer Science, vol. 12, no. 6, pp. 3722-3733, 2023.
S. R. Azizah, R. Herteno, A. Farmadi, D. Kartini and I. Budiman, "KOMBINASI SELEKSI FITUR BERBASIS FILTER DAN WRAPPER MENGGUNAKAN NAIVE BAYES PADA KLASIFIKASI PENYAKIT JANTUNG," Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) , vol. 10, no. 6, pp. 1361-1368 , 2023.
N. R. Jones, A. K. Roalfe, I. Adoki, F. R. Hobbs and C. J. Taylor, "Survival of patients with chronic heart failure in the community: a systematic review and meta-analysis," European Society of Cardiology, vol. 21, no. 11, p. 1306–1325, 2019.
A. Manno, E. Martelli and E. Amaldi, "AShallow Neural Network Approach for the Short-Term Forecast of Hourly Energy Consumption," Energies, vol. 15, no. 3, pp. 958-979, 2022.
I. P. G. H. Suputra, Linawati, I. G. Sukadarmika, N. P. Sastra, I. G. B. D. Putra and I. W. T. Wahyudi, "KLASIFIKASI JUDUL BERITA BAHASA INDONESIA MENGGUNAKAN SUPPORT VECTOR MACHINE DAN SELEKSI FITUR MUTUAL INFORMATION," Jurnal Pendidikan Teknologi dan Kejuruan, vol. 22, no. 1, pp. 69-79, 2025.
L. G. Irham, A. Adiwijaya, and U. N. Wisesty, ‘Klasifikasi Berita Bahasa Indonesia Menggunakan Mutual Information dan Support Vector Machine’, Jurnal Media Informatika Budidarma, vol. 3, no. 4, p. 284, 2019.
H. M. Balaha, A. O. Shaban, E. M. El-Gendy and M. M. Saafan, "A multi-variate heart disease optimization and recognition framework," Neural Computing and Applications, vol. 34, no. 18, pp. 15907-15944, 2022.
H. Benhar, A. Idri and J. L. F. Alemán, "Data preprocessing for heart disease classification: A systematic literature review," Computer Methods and Programs in Biomedicine, vol. 195, p. 105635, 2020.
S. Bashir, I. U. Khattak, A. Khan, F. H. Khan, A. Gani and M. Shiraz, "A Novel Feature Selection Method for Classification of Medical Data Using Filters, Wrappers, and Embedded Approaches," Complexity, vol. 2022, no. 1, p. 8190814, 2022.
J. Amin, M. Sharif, A. Haldorai, M. Yasmin and R. S. Nayak, "Brain tumor detection and classification using machine learning: a comprehensive survey," Complex & Intelligent Systems, vol. 8, p. 3161–3183, 2022.
E. Agliari, F. Alemanno, A. Barra and G. D. Marzo, "The emergence of a concept in shallow neural networks," Neural Networks, vol. 148, pp. 232-253, 2022.
S. M. Kasongo and Y. Sun, "Performance Analysis of Intrusion Detection Systems Using a Feature Selection Method on the UNSW-NB15 Dataset," Journal of Big Data, vol. 7, no. 1, p. 105, 2020.
R. Tuntun, Kusrini and Kusnawi, "Analisis Perbandingan Kinerja Algoritma Klasifikasi dengan Menggunakan Metode K-Fold Cross Validation," JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 6, no. 4, pp. 2111-2119 , 2022.
