Penerapan Algoritma Random Forest Untuk Klasifikasi Penderita Penyakit Jantung

Putra, Raflie Supriatna (2024) Penerapan Algoritma Random Forest Untuk Klasifikasi Penderita Penyakit Jantung. Other thesis, Universitas Komputer Indonesia.

[img] Text
UNIKOM_Raflie Supriatna Putra_Cover.pdf - Published Version

Download (27kB)
[img] Text
UNIKOM_Raflie Supriatna Putra_Lembar Pengesahan.pdf - Published Version

Download (527kB)
[img] Text
UNIKOM_Raflie Supriatna Putra_Surat Keterangan Persetujuan Publikasi.pdf - Published Version

Download (571kB)
[img] Text
UNIKOM_Raflie Supriatna Putra_Lembar Pernyataan.pdf - Published Version

Download (273kB)
[img] Text
UNIKOM_Raflie Supriatna Putra_Kata Pengantar.pdf - Published Version

Download (74kB)
[img] Text
UNIKOM_Raflie Supriatna Putra_Daftar Isi.pdf - Published Version

Download (34kB)
[img] Text
UNIKOM_Raflie Supriatna Putra_BAB I.pdf - Published Version

Download (126kB)
[img] Text
UNIKOM_Raflie Supriatna Putra_BAB II.pdf - Published Version

Download (577kB)
[img] Text
UNIKOM_Raflie Supriatna Putra_BAB III.pdf - Published Version
Restricted to Repository staff only

Download (231kB) | Request a copy
[img] Text
UNIKOM_Raflie Supriatna Putra_BAB IV.pdf - Published Version
Restricted to Repository staff only

Download (204kB) | Request a copy
[img] Text
UNIKOM_Raflie Supriatna Putra_BAB V.pdf - Published Version

Download (72kB)
[img] Text
UNIKOM_Raflie Supriatna Putra_Daftar Pustaka.pdf - Published Version

Download (88kB)
[img] Text
UNIKOM_Raflie Supriatna Putra_Kontak Penulis Kontributor.pdf - Published Version

Download (117kB)
Official URL: https://elibrary.unikom.ac.id/

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 View Item