Menurut badan kesehatan dunia World Health Organization (WHO) pada tahun 2015, sebanyak 70% penyebab kematian pada penyakit jantung disebabkan oleh penyakit jantung koroner (PJK). Tercatat 17,5 juta kematian atau setara dengan 30,0 % dari total kematian di dunia disebabkan oleh penyakit jantung koroner (WHO, 2017). Penyakit jantung koroner merupakan gangguan fungsi jantung yang disebabkan adanya plaque yang menumpuk di dalam pembuluh darah arteri sehingga mengganggu supply oksigen ke jantung. Hal ini menyebabkan aliran darah ke otot jantung menjadi berkurang dan terjadi defisiensi oksigen. Pada keadaan yang lebih serius dapat mengakibatkan serangan jantung. Faktor risiko penyakit jantung koroner diantaranya adalah Usia, Jenis Kelamin, Hipertensi, Kolesterol, Riwayat Keluarga dan sebagainya. Jika kemungkinan seseorang untuk menderita penyakit jantung koroner dapat diprediksi sejak awal berdasarkan faktor risiko yang ada, maka tingkat kematian akibat penyakit jantung koroner dapat ditekan menjadi lebih rendah.Tesis ini mengusulkan Model Regresi Logistik Fuzzy untuk memprediksi kemungkinan seseorang untuk menderita penyakit jantung koroner. Tahap pertama dari penelitian ini adalah membangun model prediksi, kemudian mengestimasi nilai parameter dengan menggunakan metode least square. Selanjutnya pada tahap ketiga mengaplikasikan model yang didapatkan untuk memprediksi penyakit jantung koroner. Setelah itu melakukan uji kelayakan atau kesesuaian model dengan metode Mean Degree of Membership dan yang terakhir menghitung akurasi prediksi dengan menggunakan Confusion Matrix.

---

According to the World Health Organization (WHO) in 2015, as many as 70% of the causes of death in heart disease were caused by coronary heart disease (CHD). It was recorded that 17.5 million deaths or the equivalent of 30.0% of the world's total deaths were caused by coronary heart disease (WHO, 2017). Coronary heart disease is a disorder of heart function caused by plaque that builds up in the arteries so it interferes with oxygen supply to the heart. This causes blood flow to be reduced and oxygen deficiency occurs. In more serious situations it can prevent heart attacks. Risk factors for coronary heart disease are Age, Gender, Hypertension, Cholesterol, Family History and so on. If there is someone who is a victim of coronary heart disease can be predicted from the beginning, then there is likely to arise more.

This thesis proposes a Fuzzy Logistic Regression Model to predict the possibility of a person suffering from coronary heart disease. The first stage of this research is to build a predictive model, then estimate the parameter values using the least square method. Furthermore, in the third stage, apply a model to predict coronary heart disease. After that, test the feasibility or suitability of the model with the Mean Degree of Membership method and finally calculate the prediction accuracy using the Confusion Matrix.