UNBINUNBIN

Jurnal SAINTEKOM (Sains dan Teknologi Komputasi)Jurnal SAINTEKOM (Sains dan Teknologi Komputasi)

Serangan jantung tetap menjadi penyebab utama kematian secara global dan di Indonesia. Deteksi dini dan langkah preventif sangat penting untuk mengurangi angka kematian. Penelitian ini menerapkan algoritma Regresi Logistik untuk mengembangkan sistem prediktif yang dapat mengidentifikasi gejala awal serangan jantung. Dengan menggunakan dataset yang berisi indikator kesehatan pasien seperti tekanan darah, usia, kadar kolesterol, dan kebiasaan hidup, algoritma ini mengklasifikasikan individu yang berisiko. Hasil penelitian menunjukkan bahwa sistem mencapai akurasi hingga 92%. Implementasi ini menyoroti efektivitas integrasi kecerdasan buatan dalam diagnostik medis, memungkinkan penilaian awal yang cepat dan hemat biaya.

Penerapan algoritma Regresi Logistik terbukti efektif dalam deteksi dini gejala serangan jantung.Dengan keakuratan yang tinggi, aplikasi ini dapat membantu masyarakat untuk mengenali risiko sejak dini dan mengambil langkah preventif.Pengembangan lebih lanjut diperlukan untuk memperluas fitur aplikasi, seperti integrasi data real-time dari perangkat yang dapat dikenakan.

Penelitian selanjutnya dapat difokuskan pada pengembangan model prediksi yang lebih komprehensif dengan mengintegrasikan data dari berbagai sumber, termasuk rekam medis elektronik dan perangkat wearable untuk pemantauan kesehatan secara real-time. Selain itu, studi lebih lanjut diperlukan untuk mengeksplorasi penggunaan algoritma machine learning yang lebih canggih, seperti deep learning, untuk meningkatkan akurasi dan efisiensi deteksi dini serangan jantung. Terakhir, penting untuk melakukan penelitian tentang bagaimana hasil prediksi dari sistem ini dapat diintegrasikan ke dalam praktik klinis dan digunakan oleh tenaga medis untuk memberikan rekomendasi yang lebih personal dan efektif kepada pasien.

Read online
File size317.8 KB
Pages3
DMCAReport

Related /

ads-block-test