📊 Proyek ini adalah eksplorasi data medis yang bertujuan untuk membangun model prediksi risiko penyakit berdasarkan fitur-fitur klinis seperti tekanan darah, kadar gula, Troponin, dan CK-MB.
Saya melakukan pembersihan data, rekayasa fitur (feature engineering), training model prediktif (Logistic Regression & Random Forest), serta menjelaskan model menggunakan SHAP (model explainability).
🔍 Hasil analisis menunjukkan bahwa biomarker seperti Troponin dan CK-MB sangat signifikan dalam memengaruhi prediksi.
📈 Visualisasi penting dan fitur interaktif juga dikembangkan untuk menjelaskan insight secara visual.
🛠 Tools: Python (Pandas, Seaborn, Scikit-learn, SHAP), Google Colab, Matplotlib
📎 Lihat Notebook di Google Colab
🖼️ Lihat Infografik Feature Importance
