Notice: Undefined index: item_type_code in /var/www/html/pustaka/repository/lib/detail.inc.php on line 462
PUTRI MARIA CORNELIA PURBA Pengarang Dr. Darwis R. Manalu, S.Kom., M.M., M.Kom. Dosen Pembimbing 1 Samuel Manurung S.Kom., M.Kom. Dosen Pembimbing 2 Mendarissan Aritonang, S.Kom., M.Pd. Penguji 1

Gangguan tiroid ialah salah satu masalah endokrin yang mampu mengganggu metabolisme tubuh serta menuntut proses diagnosis secara cepat dan tepat. Keterlambatan penanganan mampu memicu komplikasi serius, sehingga menuntut adanya teknik yang mumpuni guna mengelompokkan penyakit ini. Riset ini bertujuan mengaplikasikan metode Random Forest guna mengkategorikan level keparahan gangguan tiroid (low, medium, high) memakai data pasien melalui platform Kaggle. Metode Random Forest dipilih berkat kapabilitasnya mengolah data melalui banyak variabel sekaligus menciptakan prediksi yang stabil serta presisi. Fase riset mencakup pengumpulan data, preprocessing, ekstraksi fitur relevan, implementasi algoritma Random Forest, serta evaluasi hasil. Data yang dipakai mencakup 383 rekam pasien melalui beragam variabel medis. Sistem dibangun memakai bahasa pemrograman Python lalu diuji melalui metrik akurasi, presisi, recall, dan F1-score. Temuan riset membuktikan bahwa algoritma Random Forest mampu mengelompokkan level keparahan gangguan tiroid melalui skor akurasi 82%, presisi 76%, recall 63%, dan F1-score 68%. Hasil tersebut mengindikasikan bahwa metode Random Forest mampu menjadi opsi yang mumpuni dalam menunjang diagnosis dini gangguan tiroid, supaya layak diaplikasikan sebagai instrumen pendukung keputusan bagi praktisi medis. Kata Kunci: Random Forest, Klasifikasi, Penyakit Tiroid, Machine Learning, Diagnosis Medis.