Aplikasi Prediksi Gagal Jantung berdasarkan indikator-indikator penyakit jantung.

Dibuat berdasarkan permasalahan tingginya kematian akan gagal jantung bahkan mencapai penyebab no 1 kematian di seluruh dunia.

Data untuk perlatihan dibuat menggunakan dataset dari Kaagle: https://www.kaggle.com/andrewmvd/heart-failure-clinical-data

Algoritma yang digunakan dalam training model : Logistic Regression

Dalam melakukan prediksi dibutuhkan 5 indikator yaitu:

• Age - Umur.
• Ejection Fraction - Berapa persen jumlah kadar darah yang keluar dari jantung per satu kontraksi.
• Serum Creatinine - Kadar zat kreatine pada darah (mg/dL).
• Serum Sodium - Kadar zat garam/sodium pada darah (mEq/L).
• Time - Berapa lama pasien sudah terdiagnosa mempunyai penyakit jantung.

Hasil prediksi akan menghasilkan 2 hasil:

• Berpotensi Gagal Jantung - Heart Attack
• Tidak berpotensi Gagal Jantung - Heart Attack

Menggunakan Library :

• Matplotlib - Untuk visualisasi data untuk analisis di jupyter notebook
• Seaborn - Untuk visualisasi data untuk analisis di jupyter notebook
• Pandas - Untuk pengolahan data menjadi dataframe
• Numpy - Berhubungdan dalam mengolah array pada data
• Scikit Learn - Untuk membantu dalam memberikan Classification Report, Model Algoritma, Conffusion Matrix
• Joblib - Untuk mengimport dan meneksport model
• Flask - Untuk menampilkan dashboard visualisasi data dan untuk melakukan Prediksi

Step penggunaan:

1. Pertama kita perlu menginstall library dan framework yang diperlukan dengan cara:

   1. Membuat virtual environtments
   • python3 -m pip install --user pipenv
   • python3 -m venv heartattack
   • source heartattack/bin/activate
   • pip install -r requirements.txt

2. Setelah semua library dan framework yang diperlukan sudah terinstall

3. Anda bisa melihat isi dari jupyter notebook dengan cara membuka terminal atau cmd

   1. Membuka Jupyter Notebook
      • jupyter notebook --> Mengetik ini di command line
      • Lalu membuka Ip: host jupyter notebook di browser anda seperti localhost:8888
      • lalu cari heart.ipynb
      • Jupyter notebook telah terbuka disini anda bisa melihat bagaimana dilakukannya visualisasi data, pembersihan data, pembuatan model, dan evaluasi.
   2. Membuka Dashboard Flask
      • Dengan cara megetik "flask run" di command line.
      • Link : http://127.0.0.1:5000
      • Disini anda bisa melihat visualisasi data, maupun melakukan prediksi data.