Penerapan Data Mining untuk Prediksi Penyakit Jantung Menggunakan Metode Decision Tree

Abstract

Penyakit jantung merupakan salah satu penyebab kematian tertinggi di dunia dan menjadi masalah kesehatan yang memerlukan penanganan serta deteksi dini yang efektif. Oleh karena itu, diperlukan sistem yang mampu membantu proses prediksi penyakit jantung secara cepat, akurat, dan efisien. Penelitian ini bertujuan untuk menerapkan teknik data mining menggunakan algoritma Decision Tree dalam membangun sistem prediksi penyakit jantung berbasis web. Metode yang digunakan adalah CRISP-DM (Cross Industry Standard Process for Data Mining) yang terdiri dari enam tahapan, yaitu Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Dataset yang digunakan diperoleh dari Kaggle dan melalui proses preprocessing untuk meningkatkan kualitas data sebelum dilakukan pemodelan. Model dibangun menggunakan Decision Tree Classifier dan dievaluasi dengan accuracy score, confusion matrix, serta classification report. Hasil penelitian menunjukkan bahwa model mampu mencapai tingkat akurasi sebesar 73,77%. Selanjutnya, model diimplementasikan ke dalam aplikasi berbasis web menggunakan Streamlit sehingga pengguna dapat melakukan prediksi penyakit jantung dengan lebih mudah, cepat, dan interaktif