Implementasi Algoritma Random Forest untuk Klasifikasi Tingkat Risiko Mengidap Kanker Paru-paru

Gueldi, Nehemia (2024) Implementasi Algoritma Random Forest untuk Klasifikasi Tingkat Risiko Mengidap Kanker Paru-paru. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (222kB)
	PDF BAB_II.pdf Download (500kB)
	PDF BAB_III.pdf Download (362kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (662kB)
	PDF BAB_V.pdf Download (209kB)
	PDF DAFTAR_PUSTAKA.pdf Download (259kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (226kB)

Abstract

Kanker paru-paru merupakan salah satu penyakit yang menjadi fokus utama dalam bidang kesehatan global karena memiliki jumlah kasus kematian yang tinggi. Meskipun jumlah kasus kanker payudara pada wanita melampaui kanker paru- paru, kanker paru-paru tetap menjadi penyebab utama kematian. Faktor risiko utama kanker paru-paru adalah merokok dan paparan polusi udara. Dengan membangun sejumlah pohon keputusan secara terpisah dan menggabungkan hasilnya, algoritma Random Forest dapat melakukan klasifikasi yang akurat dan mencegah overfitting. Pengujian dilakukan menggunakan dataset Cancer Patient Datasets untuk mengukur accuracy, precision, recall, dan F1 score yang diperoleh. Hasil yang didapatkan dalam penelitian ini adalah algoritma Random Forest berhasil diimplementasikan untuk klasifikasi tingkat risiko mengidap kanker paru- paru dengan nilai accuracy sebesar 97%, precision sebesar 97.26%, recall sebesar 97%, dan f1-score sebesar 96.98% berdasarkan hasil evaluasi metrik model yang terbentuk.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Merokok, Kanker Paru-Paru, Kesehatan, Klasifikasi, Random Forest
Subjects:	?? T58.5-58.64 ??
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	09 Nov 2024 11:57
Last Modified:	09 Nov 2024 11:57
URI:	https://kc.umn.ac.id/id/eprint/33941

Actions (login required)

View Item