SYSTEMATIC LITERATUR REVIEW PADA DIAGNOSA PENYAKIT JANTUNG MENGGUNAKAN MACHINE LEARNING

Abstract

Penyakit jantung adalah salah satu penyebab kematian paling umum di seluruh dunia dan merupakan tantangan besar dalam sektor kesehatan. Inovasi dalam teknologi pembelajaran mesin memberikan kesempatan untuk meningkatkan proses prediksi penyakit jantung dengan cara yang lebih cepat, tepat, dan objektif. Namun, banyaknya algoritma, variabel, dan metode evaluasi yang terlibat dalam penelitian membuatnya sulit untuk menemukan metode yang paling efektif. Tujuan dari penelitian ini adalah untuk menemukan variabel yang paling sering digunakan, membandingkan algoritma pembelajaran mesin yang paling efisien, serta mengevaluasi metode pengujian dan penilaian yang diterapkan dalam prediksi kondisi jantung. Metodologi yang diterapkan adalah Tinjauan Literatur Sistematis (SLR) dengan menganalisa 25 artikel riset yang diterbitkan antara tahun 2023 dan 2026. Langkah-langkah penelitian mencakup identifikasi literatur, pemilihan artikel berdasarkan kriteria inklusi dan eksklusi, ekstraksi data, serta analisis terhadap variabel, algoritma, metode pengujian, dan hasil dari penelitian. Temuan dari kajian ini menunjukkan bahwa usia, tekanan darah, dan kadar kolesterol adalah faktor yang paling umum digunakan karena keterkaitannya yang kuat dengan risiko penyakit jantung. Algoritma Random Forest dan Ensemble Learning muncul sebagai metode dominan, menunjukkan performa konsisten dengan tingkat akurasi yang tinggi. Di samping itu, K-Fold Cross Validation adalah metode pengujian  paling banyak dipakai, sedangkan akurasi menjadi metrik evaluasi yang paling sering digunakan