OPTIMALISASI AKURASI DETEKSI PENYAKIT LIVER DENGAN ALGORITMA RANDOM FOREST PADA DATASET ILPD

Azzaria, Cinta (2025) OPTIMALISASI AKURASI DETEKSI PENYAKIT LIVER DENGAN ALGORITMA RANDOM FOREST PADA DATASET ILPD. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

	Text (Full text) RAMA_57201_2113030060.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text (Similarity) RAMA_57201_2113030060_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (964kB)
	Text (Cover sd Bab 1 + References) RAMA_57201_2113030060_0723058501_0721018801_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (840kB)
	Text (Bab 2) RAMA_57201_2113030060_0723058501_0721018801_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (413kB) | Request a copy
	Text (Bab 3) RAMA_57201_2113030060_0723058501_0721018801_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (234kB) | Request a copy
	Text (Bab 4) RAMA_57201_2113030060_0723058501_0721018801_04.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (542kB) | Request a copy
	Text (Bab 5) RAMA_57201_2113030060_0723058501_0721018801_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (161kB) | Request a copy
	Text (References) RAMA_57201_2113030060_0723058501_0721018801_06_ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (193kB)
	Text (Lampiran) RAMA_57201_2113030060_0723058501_0721018801_07_lamp.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (415kB) | Request a copy

Abstract

Penyakit liver menjadi salah satu penyebab kematian utama secara global. Kompleksitas gejala dan keterlambatan diagnosis membuat penanganannya sering kali kurang optimal. Oleh karena itu, dibutuhkan sistem deteksi dini yang akurat untuk membantu proses diagnosis. Pemanfaatan data mining dan algoritma machine learning seperti Random Forest, dinilai mampu mengatasi tantangan tersebut karena kemampuannya dalam mengelola data kompleks dan menghasilkan klasifikasi yang stabil. Penelitian ini bertujuan untuk mengimplementasikan algoritma Random Forest dalam mendeteksi penyakit liver dan mengoptimalkan akurasinya melalui teknik hyperparameter tuning menggunakan Grid Search CV. Metode penelitian yang digunakan adalah CRISP-DM, yang meliputi tahapan pemahaman bisnis, data, persiapan, pemodelan, evaluasi, dan deployment. Data yang digunakan berasal dari Indian Liver Patient Dataset (ILPD) sebanyak 570 data pasien, dengan penanganan ketidakseimbangan kelas menggunakan teknik SMOTE. Hasil penelitian menunjukkan bahwa model Random Forest tanpa tuning menghasilkan akurasi sebesar 74%, namun masih menunjukkan ketimpangan dalam mengenali kelas minoritas. Setelah dilakukan hyperparameter tuning, akurasi meningkat menjadi 75% dan performa model terhadap kelas minoritas (pasien normal) juga membaik, ditunjukkan oleh peningkatan nilai precision dan recall. Kesimpulannya, algoritma Random Forest terbukti efektif dalam mendeteksi penyakit liver. Penerapan hyperparameter tuning dan teknik penyeimbangan data seperti SMOTE mampu meningkatkan akurasi. Penelitian ini berkontribusi dalam pengembangan sistem pendukung keputusan di bidang medis, khususnya untuk diagnosis penyakit liver secara cepat dan akurat.

Actions (login required)

View Item