Penerapan Machine Learninguntuk Prediksi Penyakit Jantung

and this is My Project

Hightlight Penelitian

Model Akurat: Random Forest Classifier mencapai akurasi 83.6% dalam memprediksi risiko penyakit jantung.

✅

Fitur Penting: Oldpeak, Thalach, dan Chest Pain Type menjadi faktor utama dalam prediksi.

✅

Menggunakan confusion matrix dan classification report untuk mengevaluasi model, menunjukkan precision, recall, dan F1-score yang seimbang di angka sekitar 0.84.

✅

Mengolah data dan melatih model menggunakan Python (Scikit-Learn, Pandas, Matplotlib, Seaborn) di Google Colab untuk efisiensi proses pengembangan dan analisis data.

✅

My Resume

Research Objectives

Desember 2024

Prediksi Risiko Penyakit Jantung

Mengembangkan model Machine Learning menggunakan Random Forest untuk prediksi dini risiko penyakit jantung.

Machine Learning Project
Desember 2024

Analisis Fitur Utama

Mengidentifikasi fitur paling berpengaruh seperti Oldpeak, Thalach, dan Chest Pain Type dalam prediksi penyakit.

Machine Learning Project
Desember 2024

Evaluasi Kinerja Model

Menilai akurasi, precision, recall, dan F1-score untuk memastikan performa model yang optimal.

Machine Learning Project
Desember 2024

Dukungan Pengambilan Keputusan Medis

Menyediakan wawasan berbasis data untuk membantu tenaga medis dalam pengambilan keputusan kesehatan.

Machine Learning Project

Research Methods

Langkah 1

Pengumpulan Dataset

Menggunakan dataset Heart Disease dari Kaggle dengan 303 data pasien dan 14 fitur kesehatan.

Follow by Step
Langkah 2

Preprocessing Data

Membersihkan data, memeriksa nilai kosong, dan membagi data menjadi set latih dan set uji.

Follow by Step
Langkah 3

Pemodelan Machine Learning

Menggunakan Random Forest Classifier untuk membangun model prediksi.

Follow by Step
Langkah 4

Evaluasi Model

Menilai kinerja model menggunakan akurasi, confusion matrix, precision, recall, dan F1-score.

Follow by Step
Langkah 5

Visualisasi dan Interpretasi

Visualisasi feature importances untuk memahami faktor risiko utama.

Follow by Step
Image placeholder

About Project Me

Proyek ini membahas pengembangan sistem prediksi penyakit jantung menggunakan metode Machine Learning, khususnya Random Forest Classifier, untuk membantu mendiagnosis potensi risiko secara dini berdasarkan data kesehatan pasien.

Saya sangat antusias mengeksplorasi bagaimana teknologi Artificial Intelligence dapat mendukung dunia kesehatan, meningkatkan akurasi diagnosis, dan memberikan keputusan yang lebih cepat. Ke depan, saya ingin terus mengembangkan solusi berbasis data untuk membantu lebih banyak orang. ❤️📈

Hire Me Lihat Project

Research Results

Image placeholder

“Akurasi: Model Random Forest Classifier mencapai akurasi hingga 83.6% dalam prediksi risiko penyakit jantung.”

— Anggara Putra Meldyantono Profil.
Image placeholder

“F1-Score: Model menunjukkan F1-Score sebesar 0.84, mengindikasikan keseimbangan yang baik antara presisi dan recall.”

— Anggara Putra Meldyantono Profil.
Image placeholder

“Feature Importance: Faktor seperti usia, tekanan darah, dan kadar kolesterol menjadi fitur paling berpengaruh dalam prediksi.”

— Anggara Putra Meldyantono Profil.

My Skill

Machine Learning & Data Analysis

Mengembangkan model prediksi penyakit jantung menggunakan algoritma Random Forest, Logistic Regression, dan Decision Tree. Melakukan analisis data untuk menemukan fitur yang paling berpengaruh dalam diagnosis risiko penyakit sehingga dapat bekerja maksimal.

Learn More

Problem Solving & Critical Thinking

Menghadapi tantangan dalam ketidakseimbangan data dan overfitting model dengan strategi validasi silang, feature selection, dan teknik balancing dataset untuk meningkatkan performa prediksi secara keseluruhan.

Learn More

Scientific Writing & Research Presentation

Menulis laporan ilmiah yang membahas metodologi, eksperimen, hingga interpretasi hasil prediksi. Menyampaikan penelitian dengan gaya bahasa akademik yang sistematis dan mudah dipahami untuk berbagai audiens.

Learn More

Benefits & Implementation

Image placeholder

Solusi prediksi penyakit jantung untuk rumah sakit dan klinik

Sistem ini memungkinkan rumah sakit dan klinik untuk melakukan prediksi risiko penyakit jantung berdasarkan data medis pasien, membantu pengambilan keputusan klinis lebih cepat dan lebih tepat.

Feb 5, 2025 3 Comments
Image placeholder

Akurasi tinggi dengan algoritma machine learning

Menggunakan algoritma seperti Random Forest, Logistic Regression, dan Decision Tree untuk meningkatkan akurasi prediksi penyakit jantung berdasarkan data medis pasien, dengan pengolahan data efisien.

Feb 5, 2025 4 Comments
Image placeholder

Dukungan untuk pengolahan data dalam jumlah besar

Sistem dapat mengelola dan memproses data medis dalam jumlah besar, menjadikannya cocok untuk implementasi di rumah sakit besar dan pusat penelitian medis.

Feb 5, 2025 2 Comments

Get In Touch

Get In Touch

Send Message

My Contact Details