KLASIFIKASI MACHINE LEARNING UNTUK MENDETEKSI PENYAKIT JANTUNG DENGAN ALGORITMA LOGISTIC REGRESSION, KNN (K-NEAREST NEIGHBOURS), DAN SVM (SUPPORT VECTOR MACHINE)

Penyakit jantung menjadi penyebab utama kematian di seluruh dunia, terutama menyerang kelompok usia produktif. Kemajuan teknologi telah mendorong perkembangan ilmu pengetahuan dan informasi dengan sangat pesat, mencakup berbagai bidang, termasuk dunia medis. Machine learning mampu mengolah data dan menghasilkan model yang dapat dimanfaatkan dalam berbagai aspek kehidupan.Tujuan dari penelitian ini yaitu untuk memvisualisasi dataset dan menentukan classifier terbaik untuk dapat mengidentifikasi hasil pada algoritma logistic regression, K-Nearest Neighbor (KNN) dan Support Vector Machine (SVM). Dibuat menggunakan metode pengembangan program melalui 3 tahapan yakni Preprocessing Dataset, Visualisasi Dataset, Klasfikasi Algortima dengan menggunakan google colaboratory. Klasifikasi machine learning untuk mendeteksi penyakit jantung dengan algoritma logistic regression, knn (k-nearest neighbours), dan svm (support vector machine) menghasilkan visualisasi data berupa grafik atribut penyakit jantung dan hasil dari klasifikasi algoritma menunjukan bahwa model logistic regression memiliki accuracy sebesar 74%, presisi 1 sebesar 77%, presisi 0 sebesar 71%, recall 0 sebesar 67%, recall 1 sebesar 81%, Accuracy dari model K-Nearest Neighbors adalah 75%, presisi 0 78%, presisi 1 74%, recall 0 70%, recall 1 80% dan model Support Vector Machine (SVM ) memiliki accuracy sebesar 75%, presisi 1 sebesar 72%, presisi 0 sebesar 80%, recall 0 sebesar 67%, recall 1 sebesar 84%.