OPTIMASI PREDIKSI GAGAL JANTUNG MENGGUNAKAN ALGORITMA RANDOM FOREST CLASSIFIER

.Nabil Fadhlurrahman, M (2025) OPTIMASI PREDIKSI GAGAL JANTUNG MENGGUNAKAN ALGORITMA RANDOM FOREST CLASSIFIER. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (470kB)
	Text BAB II.pdf Restricted to Registered users only Download (712kB)
	Text BAB III.pdf Restricted to Registered users only Download (634kB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Download (362kB)
	Text DAFTAR PUSTAKA.pdf Download (405kB)

Abstract

Penyakit kardiovaskular (CVD) merupakan penyebab utama kematian global, merenggut sekitar 17,8 juta nyawa setiap tahun. Gagal jantung menjadi masalah kesehatan masyarakat yang krusial. Deteksi dini sangat penting untuk mengurangi risiko kematian dini dan meningkatkan kualitas hidup pasien. Penelitian ini mengembangkan model prediksi gagal jantung menggunakan algoritma machine learning, yaitu Random Forest Classifier menggunakan Metode Feature Selection, untuk meningkatkan akurasi diagnosis. Dataset yang digunakan mencakup 918 observasi dengan 11 fitur klinis. Adapun tujuan penelitian ini adalah untuk menunjukkan kemampuan Random Forest dalam memprediksi penyakit gagal jantung dengan hasil performa yang baik. Hasil penelitian menunjukkan performa terbaik setelah dioptimasi dengan fitur selection memiliki akurasi 90,2% dengan precision 84,2%, recall 91,4% dan F1-Score 87,7%. Hal ini membuktikan bahwa model ini mampu meningkatkan akurasi prediksi yang awalnya 88% menjadi 90,2%. Penelitian ini diharapkan memberikan wawasan tentang penerapan machine learning untuk pengambilan keputusan medis yang lebih informatif dalam deteksi dini gagal jantung untuk meningkatkan kualitas perawatan kesehatan.

Actions (login required)

View Item