Evaluasi Model Machine Learning terhadap Pendeteksian Gejala Penyakit Ginjal Kronis pada Program PRO-STEP: Road to Champion

Nathanael Kereh, Emalta (2026) Evaluasi Model Machine Learning terhadap Pendeteksian Gejala Penyakit Ginjal Kronis pada Program PRO-STEP: Road to Champion. Pro-Step Report, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_I.pdf Download (636kB)
	PDF BAB_II.pdf Download (726kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (3MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (458kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (375kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (4MB)
	PDF LEMBAR_PENGESAHAN.pdf Restricted to Registered users only Download (52kB)

Abstract

Program PRO-STEP: Road to Champion dirancang sebagai wadah bagi mahasiswa untuk terjun langsung ke dalam kompetisi akademik tingkat nasional berbekal proyek yang sejalan dengan disiplin ilmu masing-masing. Melalui program ini, keikutsertaan dilakukan pada dua ajang perlombaan, yaitu Journal of Medical Science and Sports Health (JoMaSSH) serta Kompetisi Karya Tulis Ilmiah Nasional (KKTIN). Topik yang diangkat berfokus pada pemanfaatan teknologi klasifikasi untuk mendeteksi penyakit ginjal kronis (CKD). Pengerjaan proyek mencakup seluruh tahapan secara utuh, mulai dari pencarian data, pembersihan, eksplorasi (EDA), hingga pengujian ragam model machine learning. Pada fase pengembangan awal, sempat terjadi kebuntuan metodologis akibat penentuan variabel target klasifikasi yang dilakukan secara manual tanpa basis label diagnosis riil. Setelah melewati sesi evaluasi mendalam bersama dosen pembimbing, strategi pengerjaan dirombak total dengan beralih menggunakan dataset baru dari repositori UCI yang sudah dilengkapi target valid. Keputusan ini terbukti krusial. Saat tahapan pengujian akhir dilakukan, model Random Forest keluar sebagai algoritma paling tangguh dengan tingkat keberhasilan sempurna. Lebih dari sekadar membuktikan akurasi model, rangkaian proses di program ini terbukti efektif dalam melatih kepekaan terhadap kaidah riset, kolaborasi tim, serta pentingnya integritas metodologi dalam penyusunan karya ilmiah.

Item Type:	Technical Report (Pro-Step Report)
Creators:	Nathanael Kereh, Emalta (00000096137)
Contributors:	Irmawati, Irmawati (0805097703)
Keywords:	PRO-STEP, Penyakit Ginjal Kronis, Klasifikasi, Random Forest, Integritas Riset
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	30 Jul 2026 14:58
URI:	https://kc.umn.ac.id/id/eprint/48913

Actions (login required)

View Item