Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penyakit jantung masih menjadi masalah kesehatan global di seluruh dunia termasuk Indonesia dan menjadi penyakit penyebab kematian tertinggi. Berdasarkan data Riskesdas 2018 prevalensi penyakit jantung mencapai 1,5%. Salah satu faktor resiko utama dari penyakit jantung adalah diabetes melitus (DM). Penelitian ini bertujuan untuk mendapatkan akurasi model prediksi kejadian penyakit jantung pada penderita DM di Indonesia. Penelitian ini menggunakan data sampel BPJS Kesehatan tahun 2015-2021 dengan pendekatan berbasis machine learning dan menggunakan metode random survival forest. Hasil penelitian pada kelompok penderita DM tipe 1, hasil akurasi tertinggi didapatkan nilai C-index sebesar 0,645 dengan nilai AUC sebesar 0,8. Maka disimpulkan bahwa dalam memprediksi kejadian jantung pada penderita DM dengan menggunakan data sampel BPJS Kesehatan Tahun 2015-2021, random survival forest memiliki kemampuan 64,5% untuk memprediksi dengan benar penderita DM tipe 1 yang mengalami kejadian penyakit jantung dan yang tidak mengalami kejadian penyakit jantung. Sedangkan pada kelompok penderita DM tipe 2, hasil akurasi tertinggi didapatkan nilai C-index sebesar 0,631 dengan nilai AUC sebesar 0,657. Maka disimpulkan bahwa dalam memprediksi kejadian jantung pada penderita DM dengan menggunakan data sampel BPJS Kesehatan Tahun 2015-2021, random survival forest memiliki kemampuan 63,1% untuk memprediksi dengan benar penderita DM tipe 2 yang mengalami kejadian penyakit jantung dan yang tidak mengalami kejadian penyakit jantung.

---

Heart disease is still a global health problem throughout the world including Indonesia and is the highest cause of death. Based on Riskesdas 2018 data, the prevalence of heart disease reached 1,5%. One of the main risk factors for heart disease is diabetes mellitus (DM). This study aims to obtain the accuracy of the prediction model of heart disease incidence in DM patients in Indonesia. This study used BPJS Kesehatan sample data for 2015-2021 with a machine learning-based approach and using the random survival forest method. The results of the study in the group of patients with T1D, the highest accuracy results obtained a C-index value of 0,645 with an AUC value of 0,8. So it was concluded that in predicting cardiac events in DM patients using BPJS Health sample data for 2015-2021, the random survival forest has the ability of 64,5% to correctly predict T1D patients who experience heart disease events and who do not experience heart disease events. While in the group of patients with T2D, the highest accuracy results obtained a C-index value of 0,631 with an AUC value of 0,657. So it was concluded that in predicting cardiac events in DM patients using BPJS Health sample data for 2015-2021, the random survival forest has the ability of 63,1% to correctly predict T2D patients who experience heart disease events and who do not experience heart disease events."

"Penyakit Alzheimer adalah penyakit progresif yang dimulai dengan hilangnya ingatan ringan dan berkembang hingga hilangnya kemampuan bicara dan respon terhadap lingkungan. Penyakit ini belum dapat disembuhkan, dan pengobatan saat ini hanya berfungsi mengurangi gejala sementara. Oleh karena itu, penting untuk mengidentifikasi risiko utama pengembangan Alzheimer dan memberikan diagnosis yang tepat guna mendukung penelitian lebih lanjut. Model regresi Cox-Proportional Hazard sering digunakan untuk menangani data survival tersensor, tetapi saat ini, machine learning menunjukkan potensi besar. Dua model machine learning, Random Survival Forest dan Gradient Boosting Survival Analysis, mampu menangani data survival dan data tersensor tanpa memerlukan asumsi parameter. Kedua model ini juga menghindari overfitting dan lebih mudah diinterpretasi dibandingkan model non-parametrik lainnya. Hasil pada data Alzheimer menunjukkan bahwa Gradient Boosting Survival Analysis memiliki performa terbaik dengan nilai C-index 0.8503, diikuti oleh Random Survival Forest dengan nilai 0.8286. Model regresi Cox-PH memiliki kinerja terendah dengan nilai C-index 0.8092, dan data Alzheimer yang digunakan tidak memenuhi asumsi proportional hazard. Model Gradient Boosting Survival Analysis dan Random Survival Forest mengidentifikasi CDRSB dan FDG sebagai risiko terpenting, sedangkan model Cox-PH mengidentifikasi AV45 dan FDG.

---

Alzheimer's disease is a progressive disease that begins with mild memory loss and progresses to loss of speech and response to the environment. There is no cure for the disease, and current treatments only temporarily reduce symptoms. Therefore, it is important to identify the main risk factors for developing Alzheimer's and provide an accurate diagnosis to support further research. The Cox-Proportional Hazard regression model is often used to handle censored survival data, but currently, machine learning shows potential. Two machine learning models, Random Survival Forest and Gradient Boosting Survival Analysis, are able to handle survival data and censored data without requiring parameter assumptions. Both models also avoid overfitting and are easier to interpret than other non-parametric models. The results on Alzheimer's data show that Gradient Boosting Survival Analysis has the best performance with a C-index value of 0.8503, followed by Random Survival Forest with a value of 0.8286. The Cox-PH regression model has the lowest performance with a C-index value of 0.8092, and the data used does not meet the proportional hazard assumption. The Gradient Boosting Survival Analysis and Random Survival Forest models identified CDRSB and FDG as the most important risks, while the Cox-PH model identified AV45 and FDG."