ANALISIS FAKTOR PREDIKSI DIAGNOSIS TINGKAT KEPARAHAN PENYAKIT JANTUNG (HEART DISEASE) MENGGUNAKAN METODE STEPWISE BINARY LOGISTIC REGRESSION

Authors

  • Indana Lazulfa Program Studi Teknik Informatika, Fakultas Teknologi Informasi Universitas Hasyim Asy’ari Tebuireng Jombang
  • Reza Augusta J.F. Program Studi Sistem Informasi, Fakultas Teknologi Informasi Universitas Hasyim Asy’ari Tebuireng Jombang

Abstract

Penyakit jantung atau heart disease, yang juga dikenal dengan istilah penyakit kardiovaskuler adalah berbagai kondisi dimana terjadi penyempitan atau penyumbatan pembuluh darah yang dapat menyebabkan serangan jantung, nyeri dada (angina), atau stroke. Penyakit jantung dapat terjadi pada siapapun di segala usia, jenis kelamin, pekerjaan, dan gaya hidup. Selain itu, penyakit jantung tidak bisa disembuhkan. Kondisi ini membutuhkan pengobatan dan pemantauan hati-hati sepanjang masa hidup. Ketika pengobatan ini gagal, penderita diharuskan menjalani operasi bedah yang cukup mahal dan rumit. WHO menyebutkan penyakit jantung merupakan penyakit pembunuh orang di dunia nomor 1, yang tentu saja telah merenggut banyak nyawa di berbagai belahan dunia. Tingkat kematian akibat penyakit jantung ini cukup tinggi sekitar 12,8%. Hal ini dapat dicegah dengan mengurangi faktor risiko. Peran Teknologi Informasi dapat diwujudkan dengan teknik penggalian data (data mining) untuk mempersingkat waktu, akurasi dan pemilihan faktor pendeteksian dini penyakit jantung. Metode stepwise binary logistic regression memiliki keunggulan untuk menambah dan mengurangi variabel independen sesuai dengan tingkat signifikansi dari model yang terbentuk. Berdasarkan hasil analisis, lima variabel dengan bobot tertinggi yang harus lebih diwaspadai adalah tipe nyeri dada (cp), kolesterol (chol), depresi (oldpeak), jumlah arteri (ca), tingkat kerusakan/defect (thal). Sehingga akurasi dan kecepatan pemrosesan dari diagnosis tingkat keparahan penyakit jantung dapat diketahui melalui metode ini.

Kata kunci: model prediksi, data mining, penyakit jantung, regresi logistik biner

 

Heart disease, also known as cardiovascular, is a condition in which narrowing or blocking of blood vessels can cause heart attacks, chest pain (angina), orstroke. Heart disease can occur to anyone at any age, gender, occupation, and lifestyle. In addition, heart disease can not be cured. This condition requires careful treatment and care throughout life. When this treatment fails, the patient is required to undergo a surgery that is quite expensive and complicated. WHO says heart disease is the most killer disease in world, that has claimed many lives in different parts of the world. The death rate from heart disease is quite high around 12.8%. This can be prevented by reducing risk factors. The role of Information Technology can be realized with data mining techniques to shorten the time, accuracy and selection of early detection factors of heart disease. The stepwise binary logistic regression method has the advantage of adding and subtracting independent variables according to the level of significance of the model that had been formed. Based on the analysis, the five variables with the highest weights that should be more watchful are chest pain type (cp), cholesterol (chol), depression (oldpeak), number of major vessel (ca) and rate of defect (thal). So the accuracy and processing speed of the diagnosis of the severity of heart disease can be known through this model.

Keyword: prediction model, data mining, heart disease, binary logistic regression

Downloads

Download data is not yet available.

Downloads

Published

2017-11-16

Issue

Section

Artikel