Application of Machine Learning to Determine the Survival of Heart Failure (Cardiovascular) Patients Using Serum Creatinine and Ejection Fraction

Abstract

Penyakit kardiovaskular menyebabkan kematian di seluruh dunia setiap tahunnya, yang sebagian besar bermanifestasi terutama sebagai serangan jantung atau gagal jantung. Gagal jantung (HF) terjadi ketika jantung tidak dapat memompa cukup darah untuk memenuhi kebutuhan tubuh.  Catatan kesehatan elektronik yang tersedia dapat digunakan untuk mengukur gejala, karakteristik fisik, nilai laboratorium, dan  melakukan analisis biostatistik untuk mengungkap pola dan hubungan yang tidak diketahui oleh dokter umum.  Secara khusus, Machine Learning dapat memprediksi kelangsungan hidup pasien berdasarkan data dan mempersonalisasi karakteristik utama rekam medis. Artikel ini menganalisis kumpulan data 299 pasien gagal jantung dengan menerapkan algorithma machine learning menggunakan algoritma artificial neural network berbasis adaboost untuk lebih meningkatkan akurasi pada algoritma artificial neural network (ANN). Pada hasil eksperiment pada penelitian ini didapatkan akurasi algorithma artificial neural network (ANN) berbasis adaboost menjadi sangat signifikan dengan hasil akurasi menjadi 81.01%