Penerapan Algoritma Random Forest untuk Deteksi Penyakit Jantung dan Optimisasi Menggunakan Feature Importance dan Randomized Search

Alexander, Michael (2025) Penerapan Algoritma Random Forest untuk Deteksi Penyakit Jantung dan Optimisasi Menggunakan Feature Importance dan Randomized Search. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img] PDF
HALAMAN_AWAL.pdf

Download (2MB)
[img] PDF
BAB_I.pdf

Download (219kB)
[img] PDF
BAB_II.pdf

Download (311kB)
[img] PDF
BAB_III.pdf

Download (319kB)
[img] PDF
BAB_IV.pdf
Restricted to Registered users only

Download (607kB)
[img] PDF
BAB_V.pdf

Download (221kB)
[img] PDF
DAFTAR_PUSTAKA.pdf

Download (205kB)
[img] PDF
LAMPIRAN.pdf
Restricted to Registered users only

Download (303kB)

Abstract

Penyakit jantung merupakan salah satu penyebab utama kematian di dunia. Penelitian ini bertujuan untuk membangun model klasifikasi berbasis algoritma Random Forest guna mendeteksi risiko penyakit jantung menggunakan dataset dari UCI Machine Learning Repository. Model pertama dibangun menggunakan seluruh fitur, kemudian dilakukan seleksi fitur berdasarkan nilai feature importance untuk membentuk model kedua. Evaluasi dilakukan menggunakan metrik akurasi, ROC AUC, precision, dan recall. Hasil menunjukkan bahwa model dengan fitur terpilih memberikan efisiensi waktu pelatihan lebih baik dan akurasi lebih tinggi dibanding model awal, dengan penurunan skor AUC yang dapat ditoleransi. Penelitian ini menunjukkan bahwa penghapusan fitur yang kurang relevan mampu meningkatkan efisiensi model tanpa mengorbankan performa secara signifikan.

Item Type: Thesis (Bachelor Thesis)
Keywords: akurasi, deteksi penyakit, feature importance, 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: 06 Aug 2025 11:02
Last Modified: 06 Aug 2025 11:02
URI: https://kc.umn.ac.id/id/eprint/39867

Actions (login required)

View Item View Item