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

Record Detail Back

hey aku disini show_detail

XML

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

005 ARI s

Subject(s)

Machine Learning
Gagal Jantung
Prediksi Kematian
Random Forest
AdaBoost

Classification

NONE

Series Title

GMD

Text

Language

Indonesia

Publisher

Publishing Year

Publishing Place

Specific Detail Info

File Attachment

LOADING LIST...

Availability

LOADING LIST...

APA Citation

Muhammad Rofi Ariansyah. ().Studi Perbandingan Algoritma Machine Learning Random Forest Clasifier Dan Adaboost Clasifier Untuk Prediksi Risiko Kematian Pada Pasien Kardivaskular (Cvd).(Electronic Thesis or Dissertation). Retrieved from https://localhost/etd