Putra, Raflie Supriatna (2024) Penerapan Algoritma Random Forest Untuk Klasifikasi Penderita Penyakit Jantung. Other thesis, Universitas Komputer Indonesia.
![]() |
Text
UNIKOM_Raflie Supriatna Putra_Cover.pdf - Published Version Download (27kB) |
![]() |
Text
UNIKOM_Raflie Supriatna Putra_Lembar Pengesahan.pdf - Published Version Download (527kB) |
![]() |
Text
UNIKOM_Raflie Supriatna Putra_Surat Keterangan Persetujuan Publikasi.pdf - Published Version Download (571kB) |
![]() |
Text
UNIKOM_Raflie Supriatna Putra_Lembar Pernyataan.pdf - Published Version Download (273kB) |
![]() |
Text
UNIKOM_Raflie Supriatna Putra_Kata Pengantar.pdf - Published Version Download (74kB) |
![]() |
Text
UNIKOM_Raflie Supriatna Putra_Daftar Isi.pdf - Published Version Download (34kB) |
![]() |
Text
UNIKOM_Raflie Supriatna Putra_BAB I.pdf - Published Version Download (126kB) |
![]() |
Text
UNIKOM_Raflie Supriatna Putra_BAB II.pdf - Published Version Download (577kB) |
![]() |
Text
UNIKOM_Raflie Supriatna Putra_BAB III.pdf - Published Version Restricted to Repository staff only Download (231kB) | Request a copy |
![]() |
Text
UNIKOM_Raflie Supriatna Putra_BAB IV.pdf - Published Version Restricted to Repository staff only Download (204kB) | Request a copy |
![]() |
Text
UNIKOM_Raflie Supriatna Putra_BAB V.pdf - Published Version Download (72kB) |
![]() |
Text
UNIKOM_Raflie Supriatna Putra_Daftar Pustaka.pdf - Published Version Download (88kB) |
![]() |
Text
UNIKOM_Raflie Supriatna Putra_Kontak Penulis Kontributor.pdf - Published Version Download (117kB) |
Abstract
Penyakit jantung adalah salah satu penyebab utama kematian di dunia, dengan angka kematian mencapai 17,8 juta per tahun. Diagnosis dini sangat penting namun kompleks, sehingga diperlukan metode efisien untuk membantu proses diagnosis, salah satunya ialah klasifikasi. Penelitian ini menggunakan algoritma Random Forest, sebuah metode ensemble dalam machine learning yang bekerja dengan membangun beberapa pohon keputusan dari subset acak data dan fitur, kemudian menggunakan voting mayoritas dari hasil prediksi untuk klasifikasi. Algoritma ini diterapkan untuk klasifikasi penderita penyakit jantung menggunakan tiga dataset berbeda: Heart Disease Cleveland UCI, Heart Disease CDC Survey Health Status of U.S. Residents, dan Heart Disease Hungarian UCI. Proses penelitian meliputi pengumpulan data, pembersihan, transformasi data, penyeimbangan dengan SMOTE, pemodelan dan evaluasi hasil. Hasil menunjukkan bahwa pemilihan proporsi data yang tepat, teknik SMOTE, dan optimasi parameter ‘random_state’ meningkatkan akurasi model. Akurasi tertinggi yang dicapai adalah 90.62% pada dataset Cleveland UCI, 90.64% pada dataset CDC Survey, dan 96.81% pada dataset Hungarian UCI. Algoritma Random Forest terbukti efektif dalam mengklasifikasikan penyakit jantung, memberikan dasar kuat untuk pengembangan model yang dapat diimplementasikan dalam aplikasi medis.
Item Type: | Thesis (Other) |
---|---|
Uncontrolled Keywords: | Penyakit Jantung, Klasifikasi, Algoritma Random Forest, Deteksi Dini, Machine Learning. |
Subjects: | 000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 005_Computer Programming, Programs & Data Q Science > QA Mathematics > QA76 Computer software |
Divisions: | S1_SKRIPSI > FTIK_Sistem Komputer (02) |
Depositing User: | Mia Mia Hayati Kosasih |
Date Deposited: | 02 Aug 2025 02:11 |
Last Modified: | 02 Aug 2025 02:11 |
URI: | http://elibrary.unikom.ac.id/id/eprint/10697 |
Actions (login required)
![]() |
View Item |