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

Abstract

Stroke merupakan penyakit akibat gangguan peredaran darah otak. Penyakit stroke menjadi masalah kesehatan secara global. Menurut hasil studi Global Burden of Disease (GBD) pada tahun 2019, secara global stroke menjadi penyebab ke-2 kematian (11,6%) dan penyebab ke-3 disabilitas (5,7%). Di Amerika Serikat didapatkan 795.000 orang mengalami stroke baru dan berulang tiap tahunnya. Menurut data studi GBD tahun 2019, terdapat 12,22 juta kasus stroke dan 6,55 juta kasus kematian akibat stroke. Pembelajaran mesin bertujuan membuat model yang mencerminkan data menggunakan metode statistik dalam mencari pola dalam jumlah data yang besar. Pembelajaran mesin membutuhkan kumpulan data yang terdiri atas data training yang valid dan data testing untuk memperoleh output yang optimal. Data training adalah kumpulan data yang digunakan untuk melatih atau membangun model, sedangkan data testing adalah kumpulan data yang digunakan untuk menguji model setelah proses latihan selesai. Klasifikasi dengan pembelajaran mesin memiliki tujuan untuk memprediksi kelas kategori berdasarkan pengamatan data sebelumnya. Salah satu metode untuk menyelesaikan klasifikasi yaitu dengan Regresi Logistik Biner. Regresi Logistik Biner merupakan metode yang digunakan untuk mengetahui pola hubungan antara variabel respon yang bersifat biner dengan variabel prediktor bersifat polikotomus. Metode klasifikasi lainnya adalah Support Vector Machine (SVM). Konsep ide dasar dalam metode SVM untuk membangun fungsi pemisah (hyperplane) optimal yang memisahkan dua kelas pada data. Penelitian ini menggunakan data rekam medis status stroke pasien di situs web kaggle. Penelitian ini bertujuan mendapatkan perbandingan performa metode Regresi Logistik Biner dan Support Vector Machine kernel linear dalam klasifikasi data stroke dan interpretasi faktor utama yang berpengaruh secara signifikan pada prediksi status stroke pasien. Hasil perbandingan performa metode Support Vector Machine kernel linear dan metode Regresi Logistik Biner dalam klasifikasi data stroke menunjukkan bahwa metode Support Vector Machine kernel linear lebih baik dengan nilai AUC masing-masing pada metode Support Vector Machine kernel linear dan Regresi Logistik Biner yaitu 0,739 dan 0,705. Sementara 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. Metode klasifikasi data stroke yang berfokus pada performa hasil klasifikasi maka metode Support Vector Machine kernel linear menjadi pilihan yang tepat, namun jika ingin menjelaskan hubungan antara variabel prediktor dan variabel respon maka dipilih metode Regresi Logistik.