Penerapan Artificial Intelligence dalam Sistem Prediksi Kesehatan: Kajian Literatur Sistematis pada Perkembangan Algoritma Machine Learning 2019–2024

Abstract

Penerapan Artificial Intelligence (AI) di bidang kesehatan mengalami perkembangan pesat, khususnya dalam sistem prediksi penyakit, seiring dengan kemajuan Machine Learning (ML) dan meningkatnya kebutuhan akan diagnosis yang cepat. Penelitian ini bertujuan melakukan kajian literatur sistematis terhadap perkembangan algoritma ML dalam prediksi kesehatan pada periode 2019–2024. Pendekatan Systematic Literature Review (SLR) digunakan dengan mengikuti protokol PRISMA. Pencarian literatur dilakukan melalui Google Scholar, Scopus, PubMed, IEEE Xplore, dan ScienceDirect, yang menghasilkan 87 artikel sesuai kriteria inklusi. Hasil penelitian menunjukkan bahwa algoritma yang paling banyak digunakan adalah Random Forest (25%), SVM (21%), CNN (18%), dan XGBoost (14%). CNN dan XGBoost menunjukkan akurasi tertinggi (>90%) pada dataset standar, sedangkan RF dan SVM memberikan kinerja lebih stabil pada dataset kecil. Bidang penyakit yang diprediksi meliputi kanker (28%), penyakit kardiovaskular (24%), diabetes (18%), penyakit paru (12%), dan gangguan kesehatan mental (9%). Penelitian ini menyimpulkan bahwa AI memiliki potensi besar untuk meningkatkan akurasi dan efisiensi sistem prediksi kesehatan. Namun, implementasi optimal memerlukan solusi terhadap permasalahan kualitas data, interpretabilitas model, dan regulasi privasi.