DETEKSI DINI RISIKO PENYAKIT KARDIOVASKULAR MENGGUNAKAN TEKNIK STACKING ENSEMBLE LEARNING DENGAN PENDEKATAN CRISP-DM

Abstract

Penyakit kardiovaskular, termasuk penyakit jantung dan stroke, menjadi salah satu kasus penyakit tertinggi di Indonesia dalam daftar penyakit tidak menular (PTM). Penelitian ini bertujuan pada pengembangan model prediksi risiko penyakit kardiovaskular dan mengimplementasikannya dalam bentuk aplikasi web berbasis framework Streamlit yang diperuntukkan bagi pengguna umum sebagai alat deteksi dini, dengan output berupa probabilitas risiko kardiovaskular yang dihasilkan oleh model prediksi. Model prediksi dikembangkan menggunakan teknik Stacking Ensemble Learning. Penelitian ini menggunakan metode CRISP-DM sebagai kerangka kerja yang terstruktur dan sesuai untuk pengembangan model pembelajaran mesin. Hasil penelitian menunjukkan bahwa model prediksi menghasilkan akurasi sebesar 97% pada data uji. Model prediksi berhasil di-deploy ke dalam aplikasi web berbasis Streamlit yang memungkinkan pengguna memasukkan data kesehatan untuk memperoleh estimasi probabilitas risiko kardiovaskular. Selanjutnya, aplikasi diujikan kepada pengguna melalui kuesioner, yang menunjukkan tingkat penerimaan yang baik dengan skor 83,47%.