Penyakit jantung merupakan gangguan yang terjadi pada sistem pembuluh darah besar sehingga
menyebabkan jantung dan peredaran darah tidak berfungsi dengan baik.Penyakit ini dapat menyebabkan
kematian oleh penderitanya. Oleh karena itu, penyakit perlu diantisipasi agar dapat diketahui lebih dini dan
diobati atau terapi sesegera mungkin untuk mengurangi kematian atau memperpanjang kelangsungan
hidup pasien
data dari data historis yang ada sehingga dapat dijadikan alat 2 Jumlah Observasi : 299 pasien gagal jantung.
3
prediksi jika diimplementasikan dari pola yang terbentuk Variabel Target : Death Event
sebelumnya. Penelitian ini bertujuan untuk memprediksi
kelangsungan hidup pasien gagal jantung berdasarkan atribut
yang digunakan
4 Variabel prediktor : age, creatinine_phosphokinase,
ejection fraction, platelets , serum creatinine, serum
sodium, time, anemia, diabetes, high blood pressure,
smoking, sex
METHOD
1. Feature Selection 2. -
Data Pre Processing
Variabel Identification
Univariate Analysis
Deteksi Missing Value
Transformasi Data
3. ML Trained Model
RESULT
ML Trained Model
CONCLUSION REFERENCES
Data Mining sangat berguna dalam mencari pola yang akurat dalam mengestimasi kematian [1] Novaldy, Firza.(2021). Penerapan PSO Pada
pasien penyakit gagal jantung. Naive Bayes Untuk Prediksi Harapan Hidup
Penggunaan banyak variabel dalam kasus ini tetap dapat membentuk model yang akurat Pasien Gagal Jantung. Journal Responsif. pp 37-43
walaupun banyak dari variabel yang bersangkutan tidak memiliki hubungan yang kuat dengan
variabel target berdasarkan analisis bivariat [2] Yunus, Ryan dkk. (2021). Application of the K-
Metode terbaik berdasarkan penelitian ini adalah metode K-Nearest Neighbour dengan k = 5 Nearest Neighbors (KNN) Algorithm for
Pada penelitian selanjutnya dapat dilakukan dengan menggunakan lebih banyak observasi Classification of Heart Failure. Journal of Applied
ataupun pengujian dengan metode lain seperti cross-validation. Intelligent System. Vol.6 No.1, 2021, pp 1-9