IDENTIFIKASI TINGKAT RESIKO KESEHATAN JANTUNG DENGAN MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING

Abstract

Abstrak
Penyakit jantung termasuk salah satu jenis penyakit yang menjadi masalah serius di seluruh dunia dan dapat
mengenai siapa saja, tanpa memperdulikan umur atau gender. Beragam faktor, termasuk pola hidup yang buruk,
asupan konsumsi makanan tinggi kolesterol, kebiasaan merokok, kondisi lingkungan, dan faktor genetik, berperan
dalam meningkatkan risiko terjadinya penyakit jantung. Gejala yang sering muncul antara lain adalah nyeri di
dada, hipertensi, serta hasil pemeriksaan seperti Elektrodiagram (EKG) yang menunjukkan adanya kelainan.
Minimnya data mengenai penyakit jantung menyulitkan upaya prediksi dan diagnosis, khususnya untuk pasien
dengan data minoritas, yang dapat menyebabkan terjadinya kesalahan klasifikasi. Penelitian ini memiliki tujuan
untuk mengelompokkan risiko penyakit jantung dengan memanfaatkan algoritma K-Means Clustering, yang
membedakan antara kelompok individu yang menderita penyakit jantung (minoritas) dan kelompok individu yang
sehat (mayoritas). Studi menunjukkan bahwa Algoritma K-Means menghasilkan 2 cluster yaitu, cluster 0 untuk
resiko rendah/sedang, dan cluster 1 untuk resiko tinggi, dan hasil evaluasi clustering sebesar 0,5 menggunakan
Metode Elbow, dengan tingkat akurasi mencapai 89%. Penelitian ini mengindikasikan bahwa dataset yang tidak
seimbang menghasilkan tingkat akurasi kesalahan klasifikasi (missclassification) yang 4% lebih rendah
dibandingkan dengan dataset yang seimbang, menegaskan pentingnya pengelolaan data untuk meningkatkan
prediksi risiko penyakit jantung.