Perpustakaan Digital ITB

Penyakit jantung koroner merupakan penyebab utama kematian global yang pencegahannya memerlukan deteksi dini faktor risiko. Analisis data survei kesehatan berskala masif, seperti dataset Behavioral Risk Factor Surveillance System (BRFSS) 2022, sering kali terhambat oleh tantangan matematis berupa masalah ketidakseimbangan kelas yang ekstrem. Penelitian ini bertujuan untuk menganalisis hubungan bivariat dan multivariat faktor risiko terhadap kejadian serangan jantung, serta merancang sebuah kerangka sistem pendukung keputusan bernama Correspondence Analysis Decision Intelligence Framework (CADIF) guna mengklasifikasikan tingkat prioritas intervensi penanganan. Metodologi yang digunakan mengintegrasikan Analisis Korespondensi Sederhana (AKS) untuk seleksi fitur bivariat berbasis ukuran efek Cohen (?2 ? 0, 01) dan Analisis Korespondensi Berganda (AKB) Matriks Burt untuk ekstraksi parameter geometri spasial multivariat. Pembobotan objektif parameter tersebut dihitung menggunakan Entropy Weight Method (EWM), yang kemudian diagregasi oleh algoritma TOPSIS untuk menghasilkan skor prioritas dinamis berbasis batas kuartil. Hasil AKS berhasil menyaring 13 variabel prediktor utama secara signifikan. Pemetaan AKB pada ruang geometri dua dimensi (yang menangkap 98,99% informasi inersia) membuktikan secara visual adanya asosiasi yang sangat kuat antara serangan jantung dengan riwayat angina, stroke, kesulitan mobilitas fisik, dan tingkat kesehatan umum yang memburuk. Mesin keputusan CADIF kemudian merumuskan lima kelas prioritas risiko dengan atribut pemburukan fisik tersebut ditetapkan secara sistematis sebagai prioritas kritis (Immediate Intervention). Secara keseluruhan, pemodelan CADIF terbukti tangguh memproses ketimpangan kelas secara natural, dan sukses mentransformasi metode eksploratif visual menjadi instrumen stratifikasi risiko klinis yang presisi, terukur, dan objektif.