PERBANDINGAN ALGORITMA RANDOM FOREST DAN SUPPORT VECTOR MACHINE UNTUK PREDIKSI READMISI PASIEN DIABETES

Al-Akmam, Izat (2025) PERBANDINGAN ALGORITMA RANDOM FOREST DAN SUPPORT VECTOR MACHINE UNTUK PREDIKSI READMISI PASIEN DIABETES. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (35kB)
	Text BAB II.pdf Restricted to Registered users only Download (297kB)
	Text BAB III.pdf Restricted to Registered users only Download (36kB)
	Text BAB IV.pdf Restricted to Registered users only Download (610kB)
	Text BAB V.pdf Download (13kB)
	Text DAFTAR PUSTAKA.pdf Download (260kB)

Abstract

Penelitian ini membandingkan kinerja algoritma Random Forest dan Support Vector Machine (SVM) dalam memprediksi readmisi pasien diabetes. Dataset yang digunakan berasal dari Kaggle dengan total 101.766 data pasien, namun diambil sampel 20.000 data untuk analisis. Evaluasi kinerja model menggunakan metrik akurasi, presisi, recall, F1-score, dan AUC-ROC. Hasilnya, Random Forest mencapai akurasi 64% dan AUC 0,69, lebih unggul dibandingkan SVM dengan akurasi 62% dan AUC 0,65. Faktor klinis utama yang memengaruhi prediksi adalah durasi rawat inap, jumlah obat, dan penggunaan insulin. Random Forest direkomendasikan sebagai model prediksi yang lebih efektif dalam mengurangi angka readmisi pasien diabetes.

Actions (login required)

View Item