Studi Perbandingan Algoritma Machine Learning Random Forest Clasifier Dan Adaboost Clasifier Untuk Prediksi Risiko Kematian Pada Pasien Kardivaskular (Cvd)

hey aku disini show_detail Studi Perbandingan Algoritma Machine Learning Random Forest Clasifier Dan Adaboost Clasifier Untuk Prediksi Risiko Kematian Pada Pasien Kardivaskular (Cvd) Muhammad Rofi Ariansyah Primary Author mixed material bibliography monographic id Indonesia 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 Random Forest Prediksi Kematian Gagal Jantung Machine Learning AdaBoost NONE Repository Fakultas Teknik Sistem Repository Elektronik Skripsi dan Penelitian Dosen Fakultas Teknik 005 ARI s Cover Lembar Pengesahan Lembar Pernyataan Abstrak Kata Pengantar Daftar Isi Daftar Gambar Daftar Tabel Daftar Lampiran Bab I Bab II Bab V Daftar Pustaka Lampiran 02._COVER_-_Muhammad_Rofi_Ariansyah_-_41155050210066_-_rofi_ariansyah.jpg.jpg 1383 2025-10-21 14:33:54 2025-10-21 14:33:54 machine generated