LOGISTIC REGRESSION DENGAN PRINCIPAL COMPONENT ANALYSIS (PCA) UNTUK MEMPREDIKSI PENYAKIT CARDIOVASCULAR

LOGISTIC REGRESSION DENGAN PRINCIPAL COMPONENT ANALYSIS (PCA) UNTUK MEMPREDIKSI PENYAKIT CARDIOVASCULAR

• By Maulidah, Nurlaelatul;
• Tesis
• 329

Penyakit kardiovaskular merupakan salah satu penyebab kematian utama di dunia. Menurut laporan Organisasi Kesehatan Dunia, satu dari setiap tiga kematian di seluruh dunia setiap tahun disebabkan oleh penyakit kardiovaskular. Diagnosis dini pada pasien yang berisiko tinggi terkena penyakit kardiovaskular dapat menurunkan angka kematian. Namun, proses diagnostik cukup menantang karena hubungan yang kompleks antara atribut penyakit kardiovaskular. Oleh karena itu, perlu diketahui atribut pendukung utama untuk proses klasifikasi pada penyakit kardiovaskular. Penelitian ini mengusulkan model prediktif untuk memprediksi apakah seseorang memiliki penyakit kardiovaskular atau tidak. Penggunaan Principal Component Analysis (PCA) diusulkan dalam pre-processing data. Teknik Principal Component Analysis digunakan untuk mereduksi dimensi data kemudian Logistic Regression digunakan untuk klasifikasi. Evaluasi pada dua jenis dataset: dataset kardiovaskular dari Kaggle dan data dari UCI Machine Learning Repository menunjukkan bahwa metode kami lebih baik daripada yang diusulkan dalam literatur seperti Artificial Neural Network, Random Forest + SMOTE, dan Ensemble Method (XGBoost). Ini mencapai akurasi 98,3% untuk data dari Kaggle. Sedangkan akurasi 99,1%, dicapai untuk dataset UCI.

• Katakunci Kardiovaskular, Logistic Regression, Principal Component Analysis
• URL http://
• Penerbit ,

REFERENSI

[1]     N. Hasan and Y. Bao, “Comparing Different Feature Selection Algorithms For Cardiovascular Disease Prediction,” Health and Technology, 2020.

 

[2]     S. Islam, N. Jahan and Mst. E. Khatun, “Cardiovascular Disease Forecast using Machine Learning Paradigms,” Proceedings of the Fourth International Conference on Computing Methodologies and Communication, 2020.

 

[3]     E. Irwansyah, E. S. Pratama and M. Ohyver, “Clustering of Cardiovascular Disease Patients Using Data Mining Techniques with Principal Component Analysis and K-Medoids,” Preprints, 2020.

 

 [4]    S. S. Yadav and S. M. Jadhav, “Detection of common risk factors for diagnosis of cardiac arrhythmia using machine learning algorithm,” Expert Systems With Applications, 2021.

 

 [5]    G. Choudhary and S. N. Singh, “Prediction of Cardiovascular Disease using Data Mining Technique,” International Conference on Information Systems and Computer Networks, 2019.

 

[6]     N. K. Kumar, G. S. Sindhu, D. K. Prashanthi and A. S. Sulthana, “Analysis and Prediction of Cardio Vascular Disease using Machine Learning Classifiers,” International Conference on Advanced Computing & Communication Systems, 2020.

 

 [7]    M. Hosni, “A systematic mapping study for ensemble classification methods in cardiovascular disease,” Electronic supplementary material, 2020.

 

 [8]    K. Tripathi, H. Garg and H. Sharma, “A Comprehensive Survey on Cardiovascular Disease,”International Journal of Grid and Distributed Computing, Vol. 13, No. 1, 2020.

 

 [9]    D. Shah, S. Patel and S. K. Bharti, “Heart Disease Prediction using Machine Learning Techniques,” SN Computer Science, 2020.

 

 [10]  I. Zulfa, Rayuwati dan K. Koko, “Implementasi Data Mining Untuk Menentukan Strategi Penjualan Buku Bekas Dengan Pola Pembelian Konsumen Menggunakan Metode Apriori (Studi Kasus: Kota Medan),” Jurnal Sains Dan Teknologi, Vol 16 No 1, 2020.

 

 [11]  N. L. W. S. R. Ginantra, F. N. A. A. H. Wijaya, R. S. Septarini, N. A. D. Y. Ardiana, F. Effendy, A. I. Hazriani, I. Y. Sari, Z. G. C. Prianto, D. Gustian dan E. S. Negara, “Data Mining dan Penerapan Algoritma,” Yayasan Kita Menulis, 2021.

 

 [12]  A. Nugroho, A. B. Gumelar, A. G. Sooai, D. Sarvasti dan P. L. Tahalele, “Perbandingan Performansi Algoritma Pengklasifikasian Terpandu Untuk Kasus Penyakit Kardiovaskular,” Jurnal Resti, Vol. 4 No. 5, 2020.

 

[13]   N. Migenda, R. Moller and W. Schenck, “Adaptive Dimensionality Reduction For Neural Network-Based Online Principal Component Analysis, ” 2021.

 

[14]   T. Muziri, P. Chaibva, A. Chofamba, T. Madanzi, P. Mangeru, N. Mudada, S. Manhokwe, A. Mugari, D. Matsvange, C. T. F. Murewi, L. Mwadzingeni and R. Mugandani, “Using Principal Component Analysis To Explore Concumers' Perception Toward Quinoa Health And Nutritional Claims In Gweru, Zimbabwe, ” Food Science & Nutrition, 2020.

  

[15] A. S. Kurniawansyah, “Implementasi Metode Artificial Neural Network Dalam Memprediksi Hasil Ujian Kompetensi Kebidanan (Studi Kasus: Akademi Kebidanan Dehasen Bengkulu),” Jurnal Pseudocode, Volume V Nomor 1, Februari 2018.

 

 [16]  Y. Religia, A. Nugroho dan W. Hadikristanto, “Analisis Perbandingan Algoritma Optimasi pada Random Forest untuk Klasifikasi Data Bank Marketing,” Jurnal Resti, Vol. 5 No. 1, 2021.

 

 [17]  R. Chairunisa, Adiwijaya dan W. Astuti, “Perbandingan CART dan Random Forest untuk Deteksi Kanker berbasis Klasifikasi Data Microarray,” Jurnal Resti, Vol. 4 No. 5, 2020.

 

 [18]  M. Syukron, R. Santoso Dan T. Widiharih, “Perbandingan Metode Smote Random Forest Dan Smote Xgboost Untuk Klasifikasi Tingkat Penyakit Hepatitis C Pada Imbalance Class Data,” Jurnal Gaussian, 2020.

 

 [19]  A. N. Syahrudin dan T. Kurniawan, “Input Dan Output Pada Bahasa Pemrograman Python,” Jurnal Dasar Pemograman Python STMIK, Juni, 2018.

 

 [20]  F. Fathieh, M. Paak, A. Khosousi, T. Burton, W. E. Sanders, A. Doomra, E. Lange, R. Khedraki, S. Bhavnani and S. Ramchandani, “Predicting cardiac disease from interactions of simultaneously-acquired hemodynamic and cardiac signals, ” Computer Methods and Programs in Biomedicine, 2021.

 

 [21]  D. Imamovic, E. Babovic and N. Bijedic, “Prediction Of Mortality In Patients With Cardiovascular Disease Using Data Mining Methods,” INFOTECH-JAHORINA, 2020.

 

 [22]  Dinesh K. G., Arumugaraj K, Santhosh K. D. and Mareeswari V, “Prediction of Cardiovascular Disease Using Machine Learning Algorithms,” International Conference on Current Trends toward Converging Technologies, 2018.

 

[23]   H. A. Esfahani and M.Ghanzafari, “Cardiovascular Disease Detection Using A New Ensemble Classifier,” International Conferences On Knowledge-Based Engineering and Innovation, 2017.

 

[24]   A. Mehmood, M. Iqbal, Z. Mehmood, A. Irtaza, M. Nawaz, T. Nazir and M. Masood, “Prediction of Heart Disease Using Deep Convolutional Neural Networks,” Arabian Journal For Science and Engineering, 2021.

 

[25]   I. M. L. M. Jaya, “Metode Penelitian Kuantitatif dan Kualitatif, ” Anak Hebat Indonesia, 2020.