UNRIYOUNRIYO

International Journal of Informatics and ComputationInternational Journal of Informatics and Computation

Studi ini berfokus pada penggunaan algoritma machine learning untuk mendeteksi penyakit kardiovaskular, mengatasi kebutuhan penting akan diagnosis akurat dan tepat waktu untuk kondisi ini, yang merupakan penyebab signifikan dari morbiditas dan mortalitas global. Penelitian bertujuan mengevaluasi kinerja berbagai algoritma machine learning seperti Convolutional Neural Network (CNN), Support Vector Machine (SVM), Decision Tree, K-Nearest Neighbors (KNN), Gaussian Naive Bayes (GNB), dan Gradient Boosting dalam mengklasifikasikan pasien menjadi kelompok ya atau tidak untuk penyakit kardiovaskular berdasarkan dataset yang komprehensif. Metodologi mencakup pra-pemrosesan data, pemilihan fitur, dan pelatihan serta penilaian model. Hasil menunjukkan bahwa CNN dan SVM menunjukkan kinerja kuat dan seimbang, sedangkan Decision Tree menunjukkan sensitivitas tinggi tetapi potensi overfitting. Hasil ini memberikan wawasan berharga untuk pemilihan algoritma dan peningkatan model dalam deteksi penyakit kardiovaskular, menetapkan dasar untuk penelitian lebih lanjut untuk meningkatkan akurasi diagnosis, relevansi klinis, dan hasil kesehatan.

Penelitian ini menyelidiki aplikasi berbagai algoritma machine learning, termasuk CNN, SVM, Decision Tree, KNN, GNB, dan Gradient Boosting, untuk mendeteksi penyakit kardiovaskular (CVD).Studi ini memberikan wawasan berharga tentang kinerja algoritma-algoritma ini, menunjukkan bahwa CNN dan SVM mencapai hasil yang kuat dan seimbang, sementara Decision Tree menunjukkan sensitivitas tinggi tetapi tanda-tanda overfitting.Hasil ini menekankan pentingnya memilih algoritma dengan hati-hati dan memperbaiki model dalam bidang diagnostik kesehatan.Meskipun penelitian ini memberikan kontribusi signifikan, ia juga menyoroti kebutuhan untuk mengatasi keterbatasan seperti kualitas dataset dan pemilihan fitur dalam penelitian masa depan.Saran untuk studi lanjutan mencakup eksplorasi metode ensemble, teknik augmentasi data, sistem pemantauan real-time, serta validasi klinis dan analisis efisiensi biaya untuk mendorong penerapan praktis model deteksi penyakit kardiovaskular.

1) Mengembangkan model hybrid yang menggabungkan CNN dengan algoritma lain seperti SVM untuk meningkatkan akurasi deteksi penyakit kardiovaskular, terutama dalam kasus dengan data tidak seimbang. 2) Menerapkan sistem pemantauan real-time menggunakan perangkat wearable untuk deteksi dini penyakit kardiovaskular dengan memanfaatkan data EKG dan biomarker secara kontinu. 3) Melakukan penelitian lanjutan untuk mengoptimalkan pemilihan fitur dan meningkatkan kualitas dataset, terutama dengan memasukkan data dari populasi berisiko tinggi seperti pasien diabetes dan individu dengan riwayat keluarga penyakit kardiovaskular.

Read online
File size222.73 KB
Pages10
DMCAReport

Related /

ads-block-test