Penerapan Algoritma Regresi Logistik untuk Deteksi Dini Serangan Jantung / Jethro Jonathan Atritus / 15200009 / Pembimbing : Hudori / Program Studi Teknik Informatika

Atritus, Jethro Jonathan (2024) Penerapan Algoritma Regresi Logistik untuk Deteksi Dini Serangan Jantung / Jethro Jonathan Atritus / 15200009 / Pembimbing : Hudori / Program Studi Teknik Informatika. FINKOM-UNBIN, Bogor.

[thumbnail of HALAMAN JUDUL.pdf] Text
HALAMAN JUDUL.pdf - Published Version

Download (130kB)
[thumbnail of BAB I PENDAHULUAN.pdf] Text
BAB I PENDAHULUAN.pdf - Published Version

Download (303kB)
[thumbnail of BAB II KERANGKA TEORITIS.pdf] Text
BAB II KERANGKA TEORITIS.pdf - Published Version

Download (405kB)
[thumbnail of BAB III METODOLOGI PENELITIAN.pdf] Text
BAB III METODOLOGI PENELITIAN.pdf

Download (324kB)
[thumbnail of BAB IV HASIL DAN PEMBAHASAN.pdf] Text
BAB IV HASIL DAN PEMBAHASAN.pdf - Published Version
Restricted to Repository staff only

Download (1MB)
[thumbnail of BAB V KESIMPULAN DAN SARAN.pdf] Text
BAB V KESIMPULAN DAN SARAN.pdf - Published Version

Download (7kB)
[thumbnail of DAFTAR RUJUKAN.pdf] Text
DAFTAR RUJUKAN.pdf - Published Version

Download (132kB)

Abstract

Serangan jantung adalah penyebab utama kematian di Indonesia dan dunia. Serangan jantung sering kali tidak terdeteksi dini karena gejalanya yang tidak selalu jelas. Penelitian ini bertujuan untuk menerapkan algoritma regresi logistik dalam deteksi dini serangan jantung guna mengurangi angka kematian yang diakibatkan oleh serangan jantung. Data yang digunakan berasal dari Rumah Sakit Husada,dengan pengembangan model prediksi untuk deteksi dini serangan jantung. Metode yang digunakan meliputi pengumpulan dan pengolahan data, penerapan regresi logistik, serta evaluasi model & pengukuran menggunakan confusion matrix. Hasil penelitian menunjukkan bahwa model memiliki akurasi 89%, presisi 95%, recall 83%, dan F1 score 89%. Uji kelayakan sistem menunjukkan aplikasi ini sangat layak digunakan, dengan persentase kelayakan 100% dan kepuasan pengguna sebesar 81,94% pada semua aspek berdasarkan kuisioner PSSUQ. Berdasarkan hasil ini, sistem deteksi dini serangan jantung dinyatakan mampu memberikan prediksi dan informasi yang akurat serta efektif.

Item Type: Other
Uncontrolled Keywords: Serangan Jantung, Regresi Logistik, Artificial Intelgent, Machine Learning, Prediksi, Deteksi Dini.
Subjects: W Computer Science > Informatics
W Computer Science > Expert System
Depositing User: R. Rizka Nurmala
Date Deposited: 22 Jan 2025 03:53
Last Modified: 22 Jan 2025 03:53
URI: http://finkom.repository.unbin.ac.id/id/eprint/343

Actions (login required)

View Item
View Item