Kausar, M Reza (2025) KLASIFIKASI PENYAKIT JANTUNG KORONER BERDASARKAN DATA REKAM MEDIS PUSKESMAS MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM). S1 thesis, UNIVERSITAS MALIKUSSALEH.

	Text Cover.pdf Download (240kB)
	Text Abstrak.pdf Download (202kB)
	Text Bab 1.pdf Download (329kB)
	Text Daftar pustaka.pdf Download (429kB)
	Text Full-text.pdf Restricted to Registered users only Download (2MB)

Abstract

Penyakit jantung koroner (PJK) merupakan penyebab utama kematian di dunia dan menuntut sistem diagnosis yang cepat dan akurat, terutama di Puskesmas yang memiliki keterbatasan tenaga medis. Penelitian ini bertujuan untuk membangun sistem klasifikasi penyakit jantung koroner menggunakan algoritma Support Vector Machine (SVM) berbasis data rekam medis numerik. Studi ini juga mengatasi kekurangan dari penelitian sebelumnya yang belum banyak menerapkan SVM pada data tabular dari fasilitas kesehatan dasar. Metode yang digunakan meliputi pembobotan variabel, normalisasi min-max, pelatihan model dengan kernel linear, dan evaluasi performa menggunakan Confusion Matrix. Dataset terdiri dari 100 data pasien dengan variabel seperti umur, tekanan darah, detak jantung, laju pernapasan, dan nyeri dada. Hasil menunjukkan bahwa model SVM mampu menghasilkan akurasi sebesar 95%, precision 100%, recall 88,9%, dan f1-score 94,1%. Model ini kemudian diintegrasikan ke dalam aplikasi berbasis web menggunakan Flask untuk mendukung diagnosis awal secara otomatis. Penelitian ini membuktikan bahwa SVM efektif dalam mengklasifikasikan penyakit jantung berdasarkan data rekam medis dan dapat menjadi solusi praktis untuk meningkatkan kualitas layanan kesehatan di Puskesmas.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Reza M Reza Kausar Kausar
Date Deposited:	14 Oct 2025 06:22
Last Modified:	14 Oct 2025 06:22
URI:	https://rama.unimal.ac.id/id/eprint/16679

Actions (login required)

View Item