Penyakit jantung memerlukan sistem diagnosis yang tidak hanya akurat tetapi
juga mampu menjelaskan proses pengambilan keputusan secara transparan.
Penelitian ini mengembangkan model hibrida Neuro-Fuzzy Logic dengan fungsi
keanggotaan Gaussian untuk diagnosis penyakit jantung berbasis data medis klinis.
Dataset Cleveland Heart Disease digunakan sebagai data uji dengan melalui
tahapan pra-pemrosesan, reduksi dimensi menggunakan PCA, serta ekstraksi fitur
laten menggunakan Autoencoder. Empat variabel laten yang dihasilkan kemudian
difuzzifikasi dan diproses menggunakan Adaptive Neuro-Fuzzy Inference System
(ANFIS) berbasis aturan Takagi–Sugeno orde-1.
Model yang diusulkan mampu mempelajari pola non-linear data medis secara
adaptif sekaligus mempertahankan sifat interpretatif melalui representasi fuzzy.
Visualisasi fungsi keanggotaan Gaussian menunjukkan struktur yang stabil dan
proporsional pada setiap variabel laten. Evaluasi kinerja menunjukkan bahwa
pendekatan hibrida ini memberikan hasil yang kompetitif serta mendukung
transparansi proses diagnosis. Penelitian ini diharapkan dapat menjadi dasar
pengembangan sistem pendukung keputusan medis yang lebih andal dan mudah
dipahami oleh tenaga kesehatan.