IMPLEMENTASI METODE RANDOM FOREST UNTUK KLASIFIKASI PENYAKIT TIROID

Detail Cantuman

Text

IMPLEMENTASI METODE RANDOM FOREST UNTUK KLASIFIKASI PENYAKIT TIROID

XML

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.


Detail Information

Item Type
Skripsi (S1)
Penulis
Student ID
221510008
Dosen Pembimbing
Penguji
Kode Prodi PDDIKTI
55201
Edisi
Published
Departement
Teknik Informatika
Kontributor
Bahasa
Indonesia
Penerbit Universitas Methodist Indonesia : Medan.,
Edisi
Published
Subyek
No Panggil
Copyright
Fakultas Ilmu Komputer Universitas Methodist Indonesia
Doi

Lampiran Berkas

LOADING LIST...



Informasi


DETAIL CANTUMAN


Kembali ke sebelumnya  XML Detail