Heart-Risk Classifier : Klasifikasi dan Feature Importance Penyakit Jantung Berbasis Machine Learning (ML) Menggunakan Data Mikro SKI 2023

SYARI'ATI, ZAHRA MULKI (2026) Heart-Risk Classifier : Klasifikasi dan Feature Importance Penyakit Jantung Berbasis Machine Learning (ML) Menggunakan Data Mikro SKI 2023. Diploma thesis, POLITEKNIK KESEHATAN TASIKMALAYA.

	Text (PERNYATAAN ORISINALITAS) PERNYATAAN ORISINALITAS.pdf Download (400kB)
	Text (LEMBAR PENGESAHAN) LEMBAR PENGESAHAN.pdf Download (595kB)
	Text (PERSETUJUAN PUBLIKASI) PERSETUJUAN PUBLIKASI.pdf Download (380kB)
	Text (JUDUL) JUDUL.pdf Download (859kB)
	Text (BAB I PENDAHULUAN) BAB I PENDAHULUAN.pdf Download (382kB)
	Text (BAB II TINJAUAN PUSTAKA) BAB II TINJAUAN PUSTAKA.pdf Restricted to Repository staff only Download (604kB) | Request a copy
	Text (BAB III METODE PENELITIAN) BAB III METODE PENELITIAN.pdf Restricted to Repository staff only Download (445kB) | Request a copy
	Text (BAB IV HASIL DAN PEMBAHASAN) BAB IV HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (515kB) | Request a copy
	Text (BAB V KESIMPULAN DAN SARAN) BAB V KESIMPULAN DAN SARAN.pdf Restricted to Repository staff only Download (290kB) | Request a copy
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf Restricted to Repository staff only Download (298kB) | Request a copy
	Text (DAFTAR LAMPIRAN) LAMPIRAN.pdf Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Penyakit jantung merupakan penyebab kematian tertinggi di Indonesia dengan peningkatan angka kematian lebih dari 25% menurut laporan Global Burden of Disease 2020. Data Institute for Health Metrics and Evaluation (IHME) mencatat penyakit jantung menyumbang 53,2% kematian nasional. Dari sisi pembiayaan, klaim Jaminan Kesehatan Nasional (JKN) untuk penyakit jantung mencapai Rp17,92 triliun pada 2022, menjadikannya penyakit katastropik dengan beban tertinggi. Survei Kesehatan Indonesia (SKI) 2023 yang melibatkan lebih dari 586.000 rumah tangga menyediakan data mikro komprehensif. Tujuan penelitian ini adalah membangun model klasifikasi risiko penyakit jantung berbasis data SKI 2023 serta mengidentifikasi faktor risiko utama dengan Machine Learning (ML). Penelitian kuantitatif dengan desain case-control menggunakan data mikro SKI 2023. Populasi 602.982 responden dewasa, dengan sampel dipilih sesuai kriteria inklusi dan eksklusi. Variabel dependen adalah status penyakit jantung, sedangkan variabel independen meliputi usia, aktivitas fisik, konsumsi buah dan sayur, Indeks Massa Tubuh (IMT), riwayat hipertensi, dan merokok. Analisis dilakukan dengan kerangka Knowledge Discovery in Database (KDD) menggunakan algoritma Random Forest dan evaluasi feature importance. Model Random Forest memiliki performa klasifikasi yang baik berdasarkan indikator akurasi, sensitivity, dan specificity. Analisis feature importance menunjukkan bahwa variabel usia, riwayat hipertensi, dan Indeks Massa Tubuh (IMT) merupakan faktor risiko dominan dalam menentukan kejadian penyakit jantung. Sementara itu, variabel perilaku seperti merokok, aktivitas fisik, serta pola konsumsi berperan sebagai faktor pendukung yang memodulasi tingkat risiko. Pendekatan Machine Learning menggunakan algoritma Random Forest efektif dalam mengklasifikasikan risiko penyakit jantung serta mampu mengidentifikasi faktor risiko utama secara komprehensif. Kata kunci: Faktor Risiko, Feature importance, Machine Learning (ML), Penyakit Jantung, SKI 2023 Daftar Pustaka: 83 (2021-2026)

Item Type:	Thesis (Diploma)
Contributors:	Contribution Contributors NIDN/NIDK Email UNSPECIFIED MOHAMMAD, MAULA ISMAIL UNSPECIFIED UNSPECIFIED UNSPECIFIED KHASANAH, LINA UNSPECIFIED UNSPECIFIED
Uncontrolled Keywords:	Faktor Risiko, Feature importance, Machine Learning (ML), Penyakit Jantung, SKI 2023.KTIRMIK2026, KTIRMIKCRB, KTICRB
Subjects:	K Law > K Law (General) L Education > L Education (General) Q Science > Q Science (General) R Medicine > RA Public aspects of medicine > RA0421 Public health. Hygiene. Preventive Medicine
Divisions:	Jurusan RMIK > D3 Rekam Medis & Informasi Kesehatan
Depositing User:	CR3 Zahra Mulki Syari'ati
Date Deposited:	06 Aug 2026 03:06
Last Modified:	06 Aug 2026 03:06
URI:	http://repo.poltekkestasikmalaya.ac.id/id/eprint/9653

Actions (login required)

View Item