Implementasi Algoritma Random Forest dalam Deteksi Penyakit Jantung

Clarisa Dwisutrisna, Nayasha (2025) Implementasi Algoritma Random Forest dalam Deteksi Penyakit Jantung. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (212kB)
	PDF BAB_II.pdf Download (282kB)
	PDF BAB_III.pdf Download (1MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (682kB)
	PDF BAB_V.pdf Download (206kB)
	PDF DAFTAR_PUSTAKA.pdf Download (215kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (410kB)

Abstract

Dilansir dari Organisasi Kesehatan Dunia (WHO), penyebab kematian secara global dengan peringkat paling atas berkaitan dengan Penyakit Kardiovaskular (penyakit jantung iskemik dan stroke). Penyakit jantung iskemik atau lebih dikenal dengan penyakit jantung koroner menjadi pembunuh terbesar di dunia yang menyebabkan 13% penyebab kematian. Maka, seiring berkembangnya teknologi hal ini dapat dijadikan solusi potensial berupa software dalam membantu deteksi risiko penyakit jantung dengan menganalisis beberapa parameter kesehatan menggunakan algoritma Random Forest. Pembangunan model menggunakan dataset framingham melibatkan 11 fitur medis yang relevan dengan penyakit jantung koroner dan kelas dengan klasifikasi positif dan negatif. Kemudian, uji coba model dilakukan dengan beberapa skenario seperti menggunakan Hyperparameter Tuning dan teknik SMOTE. Hasil terbaik diperoleh pada skenario dengan kombinasi hyperparameter tuning dan SMOTE dengan hasil akurasi 73.89%, Precision 25.89%, Recall 38.67%, dan F1-Score 31.02%, karena kombinasi ini mampu mengoptimalkan parameter model dan menyeimbangkan distribusi kelas, sehingga meningkatkan kemampuan model dalam mendeteksi kasus positif dengan Recall dan F1-Score yang lebih baik. Hasil tersebut menunjukkan bahwa akurasi tinggi, belum menjamin performa yang seimbang dalam mendeteksi kasus positif dan negatif dalam kondisi imbalanced dataset seperti dalam penelitian. Sehingga, penelitian perlu dilakukan eksplorasi lebih lanjut dengan teknik lain dalam penyeimbangan data dan penggunaan seleksi fitur.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Clarisa Dwisutrisna, Nayasha (00000056883)
Contributors:	Irmina Prasetiyowati, Maria
Keywords:	Hyperparameter Tuning, Imbalanced Dataset, Penyakit Jantung Koroner, Random Forest, SMOTE
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	09 Sep 2025 06:17
URI:	https://kc.umn.ac.id/id/eprint/40105

Actions (login required)

View Item