Implementasi Machine Learning Untuk Prediksi Penyakit Stroke Berbasis Web

1.  Roberto Kaban, M.Kom
2. Safarul Ilham, M.Kom

Dalam upaya meningkatkan deteksi dini dan pencegahan penyakit stroke, implementasi machine learning berbasis web menawarkan solusi yang menjanjikan. Penelitian ini fokus pada penerapan algoritma machine learning untuk memprediksi kemungkinan terjadinya stroke berdasarkan data medis pasien yang dikumpulkan secara online. Dengan menggunakan model prediksi yang dikembangkan, sistem ini mampu menganalisis data historis dan faktor risiko kesehatan secara efisien untuk memberikan estimasi risiko stroke. Implementasi ini bertujuan untuk meningkatkan akurasi diagnosis, memungkinkan deteksi dini yang lebih baik, serta memberikan rekomendasi pencegahan yang sesuai. Hasil dari penelitian ini diharapkan dapat membantu tenaga medis dan pasien dalam upaya pencegahan stroke melalui pemanfaatan teknologi berbasis web.

Kata Kunci: Machine Learning, Prediksi Stroke, Sistem Berbasis Web, Deteksi Dini, Faktor Risiko Kesehatan.

In an effort to enhance early detection and prevention of stroke, the implementation of web-based machine learning provides a promising solution. This study focuses on applying machine learning algorithms to predict the likelihood of stroke occurrence based on patient medical data collected online. By using the developed prediction model, the system efficiently analyzes historical data and health risk factors to provide stroke risk estimates. This implementation aims to improve diagnostic accuracy, enable better early detection, and offer appropriate preventive recommendations. The results of this study are expected to assist healthcare professionals and patients in stroke prevention efforts through the utilization of web-based technology.

Keywords: Machine Learning, Stroke Prediction, Web-Based System, Early Detection, Health Risk Factors.