Deteksi Dini Risiko Penyakit Jantung Menggunakan Algoritma XGBoost Berbasis Machine Learning
Demo & Pengujian Sistem: Deteksi Dini Risiko Penyakit Jantung Menggunakan Algoritma XGBoost Berbasis Machine Learning
Video di atas mendemonstrasikan implementasi antarmuka, inference model, dan workflow end-to-end dari project Deteksi Dini Risiko Penyakit Jantung Menggunakan Algoritma XGBoost Berbasis Machine Learning via TikTok.
Overview & Cara Kerja
KardioAI merupakan platform skrining kardiovaskular presisi berbasis kecerdasan buatan (Artificial Intelligence) dan Extreme Gradient Boosting (XGBoost) yang dilatih pada Dataset Prediksi Penyakit Jantung 2026 berskala 100.000 rekam medis pasien. Dataset ini merupakan pembaruan modern (modern upgrade) berskala 330 kali lebih besar terhadap dataset klasik UCI Cleveland 1988, di mana seluruh distribusi prevalensi dan korelasi antar-fitur telah dikalibrasi secara numerik mengikuti literatur epidemiologi klinis terkini dari American Heart Association (AHA 2023), Centers for Disease Control and Prevention (CDC 2023), dan Framingham Heart Study.
Fitur Utama Project
Arsitektur & Pipeline Sistem
Alur data interaktif dari input request hingga hasil pemrosesan sistem:
100,000 Records Ingestion & Epidemiological Calibration
Ingesti 100.000 data rekam medis pasien, audit integritas data (zero missing values), dan verifikasi keselarasan prevalensi penyakit terhadap tolok ukur literatur kesehatan global CDC dan AHA 2023.
Hemodynamic & Metabolic Risk Derivation (Tanaka, Pulse Pressure, HRV)
Rekayasa 5 fitur risiko kardiovaskular berbasis fisiologi: Formula Tanaka usia denyut maksimal, rasio cadangan detak jantung, tekanan nadi, indeks kardiometabolik komorbiditas, dan rasio HRV istirahat.
8 Machine Learning Classifiers Comparative Evaluation (Holdout 80:20)
Pelatihan dan evaluasi komparatif 8 algoritma klasifikasi (XGBoost, SVM, Logistic Regression, Gradient Boosting, Random Forest, Naive Bayes, KNN, Decision Tree) pada 20.000 data uji independen.
XGBoost Fine-Tuning & Demographic Parity Verification
Optimasi hyperparameter XGBoost (n_estimators=300, max_depth=6, lr=0.04) menghasilkan ROC-AUC 0.8515 dan PR-AUC 0.8336, dilanjutkan audit keadilan demografis lintas jenis kelamin, kelompok usia, dan pendapatan.
KardioAI Web Diagnostic Studio & Clinical RESTful API
Deployment pipeline model Scikit-Learn ke server Flask 3.0 dan antarmuka responsif Tailwind CSS bertema Rose-Crimson Medical, dilengkapi formulir skrining interaktif, kartu risiko 4-level, dan endpoint API `/api/predict`.
Struktur Berkas & Repositori
Hierarki folder dan berkas yang disertakan dalam paket proyek ini:
deteksi-risiko-penyakit-jantung-xgboost.zip
Arsip paket ZIP lengkap berisi 100% seluruh berkas di atas siap dijalankan.
Dokumentasi Teknis
Tersedia dokumentasi teknis komprehensif untuk project ini:
Kebutuhan Sistem & Spesifikasi
Spesifikasi minimum perangkat untuk menjalankan project ini dengan lancar:
Cross-platform compatible
Lingkungan kerja teruji
Optimal untuk running service
Untuk berkas & dependensi
Pertanyaan yang Sering Diajukan (FAQ)
Jawaban ringkas terkait lisensi, akses file unduhan, dan panduan instalasi:
Bagaimana cara mendapatkan source code setelah pembayaran?
Segera setelah pembayaran lunas (PAID), berkas ZIP project dapat langsung diunduh secara instan dari halaman ini atau menu Dashboard > Pembelian & Unduhan. Salinan bukti invoice transaksi dan tautan akses juga dikirim otomatis ke alamat email Anda.
Apakah ada panduan instalasi dan dokumentasi teknis?
Ya! Setiap project di Devilda Projects menyertakan dokumentasi teknis komprehensif, arsitektur sistem, struktur database, serta instruksi langkah demi langkah cara setup environment lokal hingga siap di-run.
Bolehkah source code ini dimodifikasi untuk tugas akhir/skripsi/komersial?
Tentu saja. Pembelian lisensi memberikan Anda hak penuh untuk memodifikasi, mengkustomisasi, dan mengembangkan source code ini untuk keperluan tugas akhir, skripsi, portfolio kerja, maupun proyek komersial klien Anda.
Bagaimana jika saya mengalami kendala teknis saat instalasi?
Tim teknis Devilda siap membantu asistensi. Anda dapat berkonsultasi langsung dengan tim kami via WhatsApp CS Devilda (0878-2851-5500). Kami siap membantu kendala instalasi.
Ulasan Pembeli
Ulasan terverifikasi dari pengguna yang telah membeli project ini.
Belum ada ulasan untuk project ini.
Pembayaran aman via QRIS (Semua E-Wallet) & Virtual Account.
Yang Anda Dapatkan:
- Full Source Code Lengkap & Aset Project
- Teknologi: Python, Flask, HTML, CSS
- Panduan Instalasi & Konfigurasi Lingkungan
- Seluruh Bab Dokumentasi Teknis Langkah demi Langkah
- Hak Lisensi Tugas Akhir, Skripsi & Komersial
- Akses Unduhan Berkas ZIP & Code Explorer Langsung