CoolFace
Apppublic

adityamulyaf/nhanes-stroke-api

sourceHugging Faceupdated 3mo agoView on Hugging Face
0likes
App README

Analisis Faktor Gaya Hidup pada Prediksi Risiko Stroke menggunakan Explainable Machine Learning

Repository ini berisi proyek analisis dan prediksi risiko stroke menggunakan dataset survei nasional NHANES (National Health and Nutrition Examination Survey) 2015-2016 dari CDC Amerika Serikat. Proyek ini mengevaluasi kontribusi faktor gaya hidup (tidur, stres, aktivitas fisik) sebagai tambahan dari data klinis dasar.

Anggota Tim

  • —Fadhil Rusadi (L0124013)
  • —Firizqi Aditya Mulya (L0124016)
  • —Nurman Aqil Wicaksono (L0124139)

Progress Proyek

  • —Progress 1: Dataset & Preprocessing
  • —Pemilihan dan pengunduhan dataset NHANES 2015-2016 (10 file modul .xpt).
  • —Pembersihan data, penyelarasan (recode) kode respons, pembagian data (train-test split 80:20), imputasi missing value, standardisasi fitur (StandardScaler), dan penyeimbangan kelas (SMOTE pada training set saja) untuk mencegah data leakage.
  • —Progress 2: Training & Evaluasi Model (Explainable AI)
  • —Melatih 3 model klasifikasi (Decision Tree, Random Forest, XGBoost) pada 5 skenario kombinasi fitur untuk menganalisis kontribusi tidur, stres, dan aktivitas fisik.
  • —Evaluasi metrik performa lengkap (Accuracy, Precision, Recall, F1-Score, AUC-ROC) dan visualisasi grafik evaluasi.
  • —Penerapan SHAP values untuk mengukur pengaruh dan signifikansi kontribusi kelompok fitur klinis vs gaya hidup secara kuantitatif.
  • —Progress 3: Web App Deployment
  • —Mengemas model klasifikasi terbaik yang telah dilatih ke dalam bentuk aplikasi web interaktif (Next.js & FastAPI) untuk simulasi prediksi risiko stroke mandiri oleh pengguna.
  • —Integrasi Explainable AI (XAI) berbasis aturan klinis untuk analisis personal secara real-time.
  • —Deployment backend FastAPI menggunakan Docker di Hugging Face Spaces dan frontend di Vercel.

Dataset & Fitur

Dataset menggabungkan 10 file modul survei .xpt terpisah. Model dilatih menggunakan total 31 Fitur + 1 Target (Stroke) yang dibagi menjadi 4 kelompok utama:

  1. 1.Fitur Klinis (16 fitur):
  2. 2.Demografi: Usia (age), jenis kelamin (gender), ras (race), tingkat pendidikan (education), rasio pendapatan (income_ratio).
  3. 3.Antropometri: BMI (bmi), lingkar pinggang (waist_circ).
  4. 4.Tekanan Darah: Tekanan darah sistolik (systolic_bp) & diastolik (diastolic_bp).
  5. 5.Riwayat Penyakit: Hipertensi, diabetes, gagal jantung (heart_failure), penyakit koroner (coronary_disease), serangan jantung (heart_attack).
  6. 6.Kebiasaan Merokok: Pernah merokok (ever_smoked), perokok aktif (current_smoker).
  7. 7.Fitur Tidur (5 fitur): Jam tidur (sleep_hours), frekuensi mendengkur (snoring_freq), apnea tidur (sleep_apnea), konsultasi masalah tidur ke dokter (sleep_problem_doctor), kantuk siang hari (daytime_sleepy).
  8. 8.Fitur Stres (5 fitur): Kehilangan minat (stress_anhedonia), depresi (stress_depressed), kelelahan (stress_fatigue), gangguan konsentrasi (stress_concentration), harga diri rendah (stress_self_esteem).
  9. 9.Fitur Aktivitas Fisik (5 fitur): Kerja fisik berat (vigorous_work), olahraga berat (vigorous_leisure), menit olahraga berat (vigorous_leisure_min), olahraga sedang (moderate_leisure), menit sedentary (sedentary_min).

Alur Pipeline & Preprocessing

Untuk mencegah kebocoran data (data leakage), preprocessing dilakukan secara ketat dengan urutan berikut:

  1. 1.Merge: Menggabungkan 10 file modul berdasarkan responden ID (SEQN).
  2. 2.Seleksi & Recode: Menyelaraskan kode respons survei (misal: 1=Ya, 0=Tidak, kode 7/9 menjadi NaN).
  3. 3.Split Data: Pembagian data latih dan uji secara stratified (80% Train, 20% Test).
  4. 4.Imputasi: Imputasi Median untuk fitur numerik kontinyu, Modus untuk kategorik/biner, dan 0 untuk aktivitas fisik.
  5. 5.Scaling: Standardisasi skala fitur menggunakan StandardScaler (fit pada data train, transform pada test).
  6. 6.SMOTE: Penanganan class imbalance (~96% tidak stroke vs ~4% stroke) khusus pada data training saja.

Model & Desain Eksperimen

Eksperimen membandingkan 3 algoritma Machine Learning: Decision Tree, Random Forest, dan XGBoost diuji pada 5 skenario kombinasi fitur:

  • —Skenario A: Klinis saja (Baseline)
  • —Skenario B: Klinis + Tidur
  • —Skenario C: Klinis + Stres
  • —Skenario D: Klinis + Aktivitas Fisik
  • —Skenario E: Klinis + Semua Gaya Hidup

Model terbaik diinterpretasikan secara global dan lokal menggunakan SHAP (SHapley Additive exPlanations) untuk melihat kontribusi relatif kelompok fitur.

Struktur Notebook & Dokumentasi

  • —notebooks/preprocessing_nhanes.ipynb: Mengunduh dataset mentah, melakukan penggabungan, pembersihan, split data, standardisasi, SMOTE, dan mengekspor file siap latih ke data/processed/.
  • —notebooks/training_nhanes.ipynb: Memuat data preprocessed, melakukan perbandingan training & evaluasi pada 5 skenario eksperimen, menyimpan tabel ke reports/tables/, menyimpan gambar ke reports/figures/, dan menghitung SHAP values untuk interpretasi model.
  • —notebooks/feature_selection.ipynb: Melakukan eksplorasi seleksi fitur dari dataset bersih di data/processed/nhanes_clean.csv.

Struktur Folder

  • —data/raw/: Dataset mentah NHANES dalam format .xpt.
  • —data/processed/:
  • —manual/: Dataset hasil preprocessing (31 fitur) untuk pipeline baseline.
  • —feature_selection/: Dataset hasil preprocessing (24 fitur) untuk pipeline seleksi fitur statistik.
  • —notebooks/:
  • —manual/: Notebook pengerjaan utama untuk pipeline baseline.
  • —feature_selection/: Notebook pengerjaan utama untuk pipeline seleksi fitur statistik.
  • —models/:
  • —manual/: Tempat menyimpan file model terlatih untuk pipeline baseline.
  • —feature_selection/: Tempat menyimpan file model terlatih untuk pipeline seleksi fitur.
  • —reports/:
  • —manual/: Visualisasi (figures/) dan tabel metrik (tables/) untuk pipeline baseline.
  • —feature_selection/: Visualisasi (figures/) dan tabel metrik (tables/) untuk pipeline seleksi fitur.
  • —experiments/: Berisi skrip Python independen (seperti run_train_feature_selection.py).
  • —docs/: Dokumentasi progres dan referensi proyek.
  • —external/: Salinan repo/dataset eksternal sebagai referensi.

Live Demo & Deployment

Aplikasi ini telah dideploy secara publik dan dapat diakses melalui tautan berikut:

Panduan Menjalankan Secara Lokal

1. Prasyarat

Pastikan Anda sudah menginstal Python 3.10+ dan Node.js 18+.

2. Jalankan Backend (FastAPI)

  1. 1.Buka terminal baru dan masuk ke root folder proyek:
bash
   pip install -r backend/requirements.txt
  1. 1.Jalankan server backend menggunakan uvicorn:
bash
   python -m uvicorn backend.app.main:app --reload --port 8000

API akan berjalan di http://localhost:8000.

3. Jalankan Frontend (Next.js)

  1. 1.Buka terminal baru lainnya, lalu masuk ke direktori frontend:
bash
   cd frontend
   npm install
  1. 1.Buat file .env.local di dalam folder frontend/ dan tentukan URL API backend lokal Anda:
env
   NEXT_PUBLIC_API_URL=http://localhost:8000
  1. 1.Jalankan server Next.js dalam mode pengembangan:
bash
   npm run dev

Aplikasi akan berjalan di http://localhost:3000.