Pengembangan Intelligent Expert System Berbasis Machine Learning untuk Diagnosa Penyakit Jantung Menggunakan Algoritma Random Forest

Abstrak

Penyakit jantung merupakan salah satu penyebab utama kematian di dunia dan memerlukan penanganan yang cepat serta diagnosis yang akurat untuk mengurangi risiko komplikasi yang lebih serius. Proses diagnosis yang masih bergantung pada analisis manual seringkali membutuhkan waktu yang cukup lama dan berpotensi menimbulkan kesalahan, terutama ketika jumlah data pasien semakin besar dan kompleks. Oleh karena itu, diperlukan suatu sistem cerdas yang mampu membantu proses diagnosis secara otomatis dan efisien. Penelitian ini bertujuan untuk mengembangkan intelligent expert system berbasis machine learning untuk mendiagnosa penyakit jantung dengan memanfaatkan algoritma Random Forest. Dataset yang digunakan terdiri dari 1.025 data pasien dengan 13 atribut yang menggambarkan kondisi kesehatan. Data tersebut dibagi menjadi data latih sebanyak 820 data dan data uji sebanyak 205 data menggunakan metode train-test split dengan rasio 80:20. Tahapan penelitian meliputi proses preprocessing data, pelatihan model menggunakan algoritma Random Forest, serta evaluasi performa model menggunakan metrik akurasi, presisi, recall, dan f1-score. Hasil pengujian menunjukkan bahwa model yang dikembangkan mampu mencapai tingkat akurasi sebesar 94,63%, dengan nilai presisi dan recall berada pada rentang 0,93 hingga 0,96 serta f1-score sebesar 0,95. Analisis confusion matrix menunjukkan bahwa sistem mampu mengklasifikasikan 95 data negatif dan 99 data positif dengan benar, dengan jumlah kesalahan klasifikasi yang relatif rendah. Hasil ini menunjukkan bahwa algoritma Random Forest memiliki kemampuan yang baik dalam mengenali pola data dan menghasilkan prediksi yang stabil. Dengan demikian, sistem yang dikembangkan dapat dimanfaatkan sebagai alat bantu dalam mendukung deteksi dini penyakit jantung secara lebih efektif, akurat, dan efisien