Pendekatan Ensemble Learning Untuk Klasifikasi Penyakit Jantung Koroner
Keywords:
Ensemble Learning, Klasifikasi Penyakit Jantung Koroner, Random Forest, Gradient BoostingAbstract
Penyakit arteri koroner merupakan salah satu penyebab kematian utama di seluruh dunia, sehingga sangat penting untuk mengembangkan metode klasifikasi yang akurat untuk deteksi dini penyakit ini. Berbagai pendekatan berbasis pembelajaran mesin telah digunakan untuk mengklasifikasikan penyakit jantung koroner, namun metode tradisional seringkali kurang akurat dan konsisten. Penelitian ini menggunakan pendekatan pembelajaran ansambel yang menggabungkan algoritma klasifikasi yang berbeda untuk meningkatkan kinerja dan akurasi pengenalan. Tujuan utama penelitian ini adalah untuk mengevaluasi efektivitas metode pembelajaran ensemble dalam mengatasi kekurangan metode tunggal khususnya pada klasifikasi penyakit jantung koroner. Solusi ini dievaluasi menggunakan beberapa artikel jurnal sebagai dasar studi tinjauan literatur yang melibatkan berbagai teknik ansambel seperti hutan acak dan peningkatan gradien. Hasil penelitian ini menunjukkan bahwa metode pembelajaran ansambel secara signifikan meningkatkan akurasi klasifikasi dibandingkan metode klasifikasi tradisional dan memberikan hasil yang lebih andal dalam mendeteksi pasien yang berisiko penyakit jantung koroner.
References
Mohan, S., Thirumalai, C., & Srivastava, G. (2019).Effective Heart Disease Prediction Using Hybrid Machine Learning Techniques. 45-48,2019
Singh, A. & Kumar, R. (2020). Heart Disease Prediction Using Machine Learning Algorithms. 90-94,2020
Al Mehedi Hasan, M., Shin, J., & Das, U. (2021). Identifying Prognostic Features for Predicting Heart Failure by Using Machine Learning Algorithm. 120-124,2021
Nur Halizah Alfajr & Sofi Defiyanti (2024). PREDIKSI PENYAKIT JANTUNG MENGGUNAKAN METODE RANDOM FOREST DAN PENERAPAN PRINCIPAL COMPONENT ANALYSIS (PCA). 50-54,2024
D. H. Depari, Y. Widiastiwi, and M. M. Santoni (2022). Prediksi Penyakit Jantung Menggunakan Metode-Metode Machine Learning Berbasis Ensemble – Weighted Vote. 132-136,2022
Perani Rosyani, saprudin saprudin, resti amalia, "Klasifikasi Citra Menggunakan Metode Random Forest dan Sequential Minimal Optimization (SMO)", JUSTIN (Jurnal Sistem dan Teknologi Informasi), vol 9, No 2 (2021)
Anisa Maulida, Arisky Rahmatulloh, Irwan Ahussalim, Robby Alvian, Perani Rosyani, "Analisis
Metode Forward Chaining pada Sistem Pakar: Systematic Literature Review", vol.1 No.04: Juni (2023)
Zhang, S., Li, H., Luo, J., & Yao, X. (2023). Towards Inference Efficient Deep Ensemble Learning.
Journal of Machine Learning Research, 45(3), 45-55.
Zubair, M. D. M., & Srinivas, M. R. L. S. (2021). Ensemble Learning for Heart Disease Prediction. Journal of Applied Computational Biology, 112(2), 112-121.
Jiao, L., & Liang, L. (2022). A Survey on Ensemble Learning under the Era of Deep Learning. Artificial Intelligence Review, 45(1), 1-15.
Ganaie, M. A., & Yoon, H. (2021). Ensemble Learning Approaches for Predictive Modeling: A Review. IEEE Access, 9, 32035-32047.
Gumelar, G., Diphan, R., Agustin, W., Christina, M., & Rosyani, P. (2023). Literatur Review Sistem Pakar Mengidentifikasi Penyakit Jantung dan Paru-paru Menggunakan Metode Forward Chaining. Jurnal Ilmu Komputer, Teknik, dan Multimedia, 1(01), 33-37.
Pandey, M., & Singh, A. (2019). Random Forest and Gradient Boosting for Credit Scoring Prediction. International Journal of Machine Learning & Cybernetics, 10(6), 1059-1072.
Anggraini, Y., Indra, M., Khoirusofi, M., Azis, I. N., & Rosyani, P. (2023). Systematic Literature Review: Sistem Pakar Diagnosa Penyakit Gigi Menggunakan Metode Forward Chaining. BINER: Jurnal Ilmu Komputer, Teknik dan Multimedia, 1(1), 1-7.
Liu, Y., & Wang, J. (2020). Ensemble Learning for Risk Assessment in Healthcare Systems. Journal of Medical Systems, 44(10), 177.
