STUDI PERBANDINGAN ALGORITMA MACHINE LEARNING RANDOM FOREST CLASIFIER DAN ADABOOST CLASIFIER UNTUK PREDIKSI RISIKO KEMATIAN PADA PASIEN KARDIOVASKULAR (CVD)

STUDI PERBANDINGAN ALGORITMA MACHINE LEARNING RANDOM FOREST CLASIFIER DAN ADABOOST CLASIFIER UNTUK PREDIKSI RISIKO KEMATIAN PADA PASIEN KARDIOVASKULAR (CVD) MUHAMMAD ROFI ARIANSYAH Primary Author mixed material bibliography BANDUNG TEKNIK INFORMATIKA UNLA 2025 monographic id INDONESIA baik Penyakit kardiovaskular (CVD) merupakan masalah kesehatan utama di Indonesia. Penelitian ini bertujuan membandingkan performa algoritma Machine learning, Random Forest dan AdaBoost, untuk memprediksi risiko kematian pada pasien gagal jantung. Menggunakan dataset Heart Failure Clinical Records (299 pasien), model dikembangkan melalui pra-pemrosesan seperti penyeimbangan data dengan SMOTE dan seleksi fitur, kemudian dievaluasi menggunakan metrik akurasi dan F1-score. Hasil pengujian menunjukkan Random Forest secara konsisten lebih unggul, dengan rata-rata akurasi pengujian mencapai 84,63% dibandingkan AdaBoost (77,70%), serta menunjukkan stabilitas yang lebih tinggi. Disimpulkan bahwa Random Forest merupakan model yang lebih superior dan direkomendasikan untuk aplikasi klinis karena akurasi dan keandalannya yang lebih Tinggi Kata Kunci: Gagal Jantung, Prediksi Kematian, Mach NONE Repository Universitas Langlangbuana Sistem Repository Elektronik Skripsi, Tesis, Desertasi dan Penelitian Dosen Universitas Langlangbuana TF 210066 My Library cover Lembar Pengesahan DAFTAR ISI BAB I BAB II BAB V DAFTAR PUSTAKA LAMPIRAN Cover_MUHAMMAD_ROFI_ARIANSYAH.jpg.jpg 3871 2025-09-18 11:10:58 2025-09-18 11:11:19 machine generated