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

Record Detail Back

XML

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

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

Statement of Responsibility

Author(s)

MUHAMMAD ROFI ARIANSYAH - Personal Name

Edition

Call Number

Subject(s)

Kata Kunci: Gagal Jantung, Prediksi Kematian, Mach

Classification

NONE

Series Title

GMD

Text

Language

INDONESIA

Publisher

TEKNIK INFORMATIKA UNLA

Publishing Year

2025

Publishing Place

BANDUNG

Specific Detail Info

File Attachment

LOADING LIST...

Availability

LOADING LIST...

APA Citation

MUHAMMAD ROFI ARIANSYAH. (2025).STUDI PERBANDINGAN ALGORITMA MACHINE LEARNING RANDOM FOREST CLASIFIER DAN ADABOOST CLASIFIER UNTUK PREDIKSI RISIKO KEMATIAN PADA PASIEN KARDIOVASKULAR (CVD).(Electronic Thesis or Dissertation). Retrieved from https://localhost/etd