Klasifikasi Penyakit Kardiovaskular Menggunakan Algoritma Logistic Regression Dengan Optimasi Grid Search CV

Penyakit Kardiovaskular merupakan salah satu penyebab utama kematian nomer satu di dunia, termasuk Indonesia. Berdasarkan data dari WHO dan RISKESDAS, angka kejadian penyakit ini terus mengalami peningkatan di tiap tahunnya sehingga memberikan dampak signifikan terhadap ekonomi dan sosial. Teknologi kecerdasan buatan khususnya machine learning, telah berperan penting dalam mendukung upaya diagnosis dan pencegahan penyakit kardiovaskular. Salah satu algoritma yang sering digunakan untuk mengklasifikasikan penyakit adalah Logistic Regression. Penelitian ini bertujuan untuk mengembangkan model Logistic Regression yang nantinya akan dioptimalkan melalui metode hyperparameter tuning dengan Grid Search CV guna meningkatkan performa model klasifikasi penyakit kardiovaskular. Dataset yang digunakan pada penelitian ini berjumlah 70.000 sampel dengan pembagian data 70% untuk data pelatihan dan 30% untuk data pengujian. Hasil penelitian menunjukkan bahwa optimasi menggunakan Grid Search CV mampu meningkatkan kinerja model dengan akurasi 73.08%, recall 72.50%, dan AUC – Score 79.42%. Dengan demikian, model Logistic Regression yang telah dioptimalkan ini berpotensi untuk memberikan kontribusi signifikan dalam proses klasifikasi dan pencegahan penyakit kardiovaskular secara lebih akurat.