ANALISIS DAN PREDIKSI RISIKO SIROSIS HATI DENGAN STREAMLIT BERBASIS MACHINE LEARNING

Sirosis hati merupakan salah satu penyakit kronis yang dapat menyebabkan kerusakan permanen pada fungsi hati dan berpotensi mengancam jiwa jika tidak terdeteksi sejak dini. Sebelumnya, pendeteksian sirosis hati hanya dapat dilakukan melalui MRI, CT Scan, atau tes darah. Penelitian ini bertujuan untuk menganalisis faktor-faktor risiko utama sirosis hati dan mengembangkan sistem prediksi berbasis machine learning yang dapat diakses secara mudah melalui aplikasi web interaktif menggunakan streamlit. Proses pelatihan sistem prediksi untuk mendeteksi sirosis hati menggunakan tiga algoritma machine learning, yaitu logistic regression, random forest, dan support vector machine (SVM). Data diperoleh dari HCV Data (hepatitis C virus) yang bersifat terbuka (open data) dan dapat diakses bebas untuk keperluan penelitian. Data ini berisi informasi klinis seperti usia, kadar enzim hati, dan indikator medis lainnya. Hasil evaluasi menunjukkan bahwa model logistic regression memberikan performa terbaik dengan akurasi sebesar 86%, diikuti oleh random forest (85%), dan SVM (81%). Model machine learning diimplementasikan pada aplikasi web yang dikembangkan menggunakan streamlit. Aplikasi yang dibangun mampu menampilkan hasil prediksi secara real-time. Hasil pengujian yang dilakukan menggunakan blackbox testing menunjukkan seluruh fungsi utama sistem berjalan dengan baik dengan tingkat keberhasilan 100% pada 5 skenario pengujian yang telah dilakukan.

Kata kunci: sirosis hati, machine learning, streamlit, prediksi penyakit, deteksi dini.