Model Prediktif dan Identifikasi Faktor Utama Risiko Stroke Menggunakan Regresi Logistik Biner dan Support Vector Machine

Abstract

Secara global stroke menjadi penyebab ke-2 kematian dan penyebab ke-3 disabilitas. Prediksi stroke secara akurat dan mengenali faktor yang berpotensi pada prediksi adalah salah satu cara pencegahan penyakit stroke. Klasifikasi dengan pembelajaran mesin memiliki tujuan untuk memprediksi kelas kategori berdasarkan pengamatan data sebelumnya. Penelitian ini bertujuan mendapatkan perbandingan performa metode Regresi Logistik Biner dan Support Vector Machine kernel linear dalam klasifikasi data stroke dan mengidentifikasi faktor utama yang berpengaruh secara signifikan pada prediksi status stroke pasien. Hasil yang diperoleh menunjukkan performa metode Support Vector Machine kernel linear lebih baik dalam mengklasifikasi data stroke dengan nilai AUC 0,739. Sementara performa metode Regresi Logistik Biner dalam mengklasifikasi data stroke memiliki nilai AUC 0,705. Faktor yang berpengaruh pada model Support Vector Machine kernel linear dan model Regresi Logistik Biner dalam prediksi stroke yaitu kadar glukosa, hipertensi, penyakit jantung, dan status menikah.