1 Bab I Pendahuluan I.1 Latar Belakang Penyakit kronis adalah penyakit yang berlangsung dalam jangka waktu lama dan umumnya berkembang secara lambat. Menurut World Health Organization (WHO), empat jenis utama penyakit kronis adalah penyakit kardiovaskular (seperti serangan jantung dan stroke), kanker, penyakit pernapasan kronis (seperti penyakit paru obstruktif kronis dan asma), dan diabetes (Alwan, 2011). Beban penyakit kronis meningkat dengan cepat terutama di negara-negara, populasi, dan komunitas berpendapatan rendah dan diproyeksikan untuk meningkat secara signifikan dalam 2 dekade mendatang (Ezzati, Lopez, Rodgers, & Murray, 2005). Hepatitis merupakan penyakit peradangan pada hati yang dapat disebabkan oleh berbagai kausa, termasuk infeksi virus. Infeksi virus tersebut dapat menyebabkan timbulnya cedera, peradangan, bahkan kematian sel-sel yang terinfeksi pada organ hati (Sheerwood L,1996). Virus Hepatitis C (VHC) merupakan salah satu virus penyebab hepatitis dan dianggap menimbulkan dampak yang paling besar di antara virus-virus lain penyebab hepatitis. Kebanyakan orang yang terinfeksi virus hepatitis C tidak menunjukkan adanya gejala. Kenyataannya, banyak orang yang tidak tahu bahwa mereka telah terinfeksi virus hepatitis C hingga muncul kerusakan yang fatal pada organ hati mereka (silent epidemic). Kerusakan tersebut dapat berupa kegagalan fungsi hati, sirosis, atau kanker hati yang dapat muncul beberapa tahun setelah infeksi hepatitis C kronis (National Digestive Diseases Information Clearinghouse (NDDIC), 2012). Stroke menjadi penyebab utama kecacatan jangka panjang pada orang dewasa dan merupakan penyebab kematian kedua terbanyak secara global, menjadikannya sebagai masalah kesehatan masyarakat utama. Meskipun negara-negara berpendapatan tinggi telah mencapai penurunan signifikan dalam insiden dan kematian akibat penyakit serebrovaskular, negara-negara berpendapatan rendah masih memiliki perjalanan yang Panjang (Mendis S, Davis S, Norrving B, 2015). 2 Secara umum, faktor risiko stroke dapat dibedakan menjadi faktor risiko yang tidak dapat diubah, seperti usia dan jenis kelamin, dan faktor risiko yang dapat dimodifikasi, seperti tekanan darah tinggi, diabetes melitus, dislipidemia, anemia, fibrilasi atrium, dan merokok. Menurut perkiraan Global Burden of Disease Study, 33,4% dari beban stroke (yang diukur dalam tahun hidup yang disesuaikan dengan disabilitas, DALY) disebabkan oleh faktor risiko lingkungan dan pekerjaan yang berpotensi dapat dimodifikasi, secara global (Feigin VL et al, 2013) Dengan makin meningkatnya prevalensi penyakit kronis dan dampak mendadak dari penyakit akut di seluruh dunia, kebutuhan akan pendekatan kesehatan yang proaktif dan prediktif menjadi sangat penting. Di era digital ini, terdapat potensi besar untuk menggunakan teknologi dalam mendukung kegiatan ini, khususnya melalui pengembangan aplikasi web. Aplikasi web yang berbasis machine learning menawarkan kemungkinan untuk memanfaatkan volume data kesehatan yang besar dan beragam guna memprediksi kemungkinan terjadinya penyakit akut dan kronis. Model machine learning sering menggunakan jumlah parameter yang besar relatif terhadap jumlah pengamatan. Dalam rezim ini, beberapa prosedur yang umum digunakan menunjukkan perilaku risiko yang khas, yang disebut sebagai penurunan ganda atau penurunan ganda ganda pada profil risiko (Belkin et al., 2019). Dengan memanfaatkan model algoritma machine learning seperti Random Forest, Logistic Regression, K-Nearest Neighbor, Decision Tree, dan Gaussian Naïve Bayes, kami akan mengevaluasi kinerja masing-masing model. Model machine learning yang mencapai tingkat akurasi tertinggi akan diprioritaskan dan selanjutnya akan dikembangkan sebagai model prediksi utama dalam aplikasi web. Pendekatan ini akan memastikan bahwa menggunakan model yang paling efektif dan untuk tujuan prediksi dalam konteks aplikasi web. 3 I.2 Rumusan Masalah Adapun rumusan masalah pada penelitian ini berdasarkan latar belakang di atas adalah sebagai berikut: 1. Parameter apa saja yang berpengaruh pada penyakit hepatitis c dan stroke. 2. Metode yang terbaik untuk menghasil performa pada setiap model machine learning yang akan digunakan dalam prediksi penyakit hepatitis c dan stroke. 3. Merancang aplikasi berbasis website sebagai bentuk realisasi penggunaan metode machine learning dalam memprediksi penyakit hepatitis c dan stroke. 4. Merancang aplikasi berbasis website sebagai bentuk realisasi penggunaan metode machine learning dalam memprediksi penyakit kronis. I.3 Tujuan Penelitian Tujuan dari penelitian ini adalah : 1. Mengimplementasikan machine learning untuk menentukan parameter dalam memprediksi penyakit kronis. 2. Melakukan investigasi performa terbaik dari machine learning dari kombinasi algoritma machine learning yang digunakan. 3. Menghasilkan suatu aplikasi berbasis website untuk memprediksi penyakit kronis..