PREDIKSI RISIKO PENYAKIT JANTUNG PADA PASIEN HEMODIALISA MENGGUNAKAN OPTIMASI ALGORITMA RANDOM FOREST DAN SUPPORT VECTOR MACHINE DI RSU ARUN

Abstract

Abstrak. Penyakit jantung merupakan komplikasi yang sering terjadi dan menjadi penyebab utama morbiditas pada pasien yang menjalani terapi hemodialisa. Penelitian ini bertujuan untuk memprediksi risiko penyakit jantung pada pasien hemodialisa di RSU Arun dengan memanfaatkan algoritma Machine Learning, yaitu Random Forest dan Support Vector Machine (SVM). Total data yang digunakan adalah 160 rekam medis pasien dengan 12 parameter klinis awal. Tahapan penelitian mencakup data cleansing, feature engineering berupa penambahan fitur Drop Tensi dan Rasio Ureum/Kreatinin, Exploratory Data Analysis (EDA), serta hyperparameter tuning menggunakan GridSearchCV. Hasil penelitian menunjukkan bahwa dataset memiliki distribusi kelas target yang sangat seimbang, yaitu 80 pasien stabil dan 80 pasien berisiko komplikasi. Berdasarkan komparasi performa, kedua algoritma menghasilkan tingkat akurasi yang sama yaitu 96.88%. Namun, evaluasi berbasis kurva ROC menunjukkan bahwa model Random Forest memberikan performa terbaik sebagai model prediktif dengan skor AUC tertinggi yaitu 0.9960, dibandingkan dengan SVM (0.9921). Analisis feature importance mengungkapkan bahwa Interdialytic Weight Gain (IDWG) dan kadar Hemoglobin adalah dua prediktor paling signifikan dalam menentukan risiko komplikasi tersebut.