Perbandingan Algoritma Decision Tree dan Random Forest dengan Hyperparameter Tuning dalam Mendeteksi Penyakit Stroke

Authors

  • Alvin Ryan Dana UPN "Veteran" Jawa Timur
  • Raja
  • Bagas
  • Arman

Keywords:

Decision Tree, Random Forest, Hypertuning, Stroke

Abstract

Penelitian ini bertujuan untuk membandingkan model prediksi dalam menentukan risiko seseorang mengalami stroke berdasarkan berbagai variabel pasien yang relevan, termasuk jenis kelamin, usia, riwayat hipertensi, penyakit jantung, status pernikahan, jenis pekerjaan, tingkat glukosa darah rata-rata, indeks massa tubuh (BMI), dan status merokok. Stroke merupakan penyebab kematian kedua terbanyak di dunia menurut Organisasi Kesehatan Dunia (WHO), oleh karena itu deteksi dini dan prediksi risiko stroke sangat penting untuk pencegahan dampak buruk yang mungkin terjadi. Hasil dari penelitian ini menunjukkan bahwa model Random Forest memberikan akurasi yang lebih tinggi (0.97) dan akurasi hyperparameter (0.98) dibandingkan dengan model Decision Tree, sehingga dipilih sebagai model prediksi yang lebih cocok dalam konteks dataset ini. Akurasi dipilih sebagai ukuran evaluasi karena penting untuk mengklasifikasikan dengan benar antara yang berisiko dan tidak berisiko mengalami stroke, yang memiliki implikasi yang sangat penting dalam aplikasi medis dan pencegahan stroke.

References

Akbar, F., Saputra, H. W., Maulaya, A. K., Hidayat, M. F., & Rahmaddeni, R. (2022). Implementasi Algoritma decision Tree C4.5 Dan Support Vector Regression Untuk Prediksi Penyakit stroke. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 2(2), 61–67. https://doi.org/10.57152/malcom.v2i2.426

Alghifari, F., & Juardi, D. (2021). Penerapan Data Mining Pada penjualan Makanan Dan Minuman menggunakan metode algoritma naïve bayes. JURNAL ILMIAH INFORMATIKA, 9(02), 75–81. https://doi.org/10.33884/jif.v9i02.3755

Barus, S. G., Widiyanto, D., & Santoni, M. M. (2022). KLASIFIKASI SENTIMEN DATA TIDAK SEIMBANG MENGGUNAKAN ALGORITMA SMOTE DAN K-NEAREST NEIGHBOR PADA ULASAN PENGGUNA APLIKASI PEDULILINDUNGI. SENAMIKA, 3(2).

Hamdani, I. M., Nurhidayat, N., Karman, A., Fuady Adhalia H, N., & Julyaningsih, A. H. (2024a). Edukasi dan Pelatihan Data Science dan Data Preprocessing. INTISARI: JURNAL INOVASI PENGABDIAN MASYARAKAT , 2(1).

Husein, A. M., Lubis, F. R., & Harahap, M. K. (2021). Analisis Prediktif Untuk Keputusan bisnis : Peramalan Penjualan. Data Sciences Indonesia (DSI), 1(1), 32–40. https://doi.org/10.47709/dsi.v1i1.1196

Iqbal, M., Hendri Mahmud Nawawi, Ramadhan Saelan, M. R., Sony Maulana, M., Yudhistira, & Mustopa, A. (2023). OPTIMASI hyperparameter multilayer perceptron untuk prediksi Daya Beli mobil. Jurnal Manajemen Informatika Dan Sistem Informasi, 6(1), 73–81. https://doi.org/10.36595/misi.v6i1.739

Joshua Agung Nurcahyo, & Theopilus Bayu Sasongko. (2023). Hyperparameter tuning ALGORITMA supervised learning untuk KLASIFIKASI Keluarga Penerima Bantuan Pangan beras. Indonesian Journal of Computer Science, 12(3). https://doi.org/10.33022/ijcs.v12i3.3254

Kusuma, A. P., Utami, I. T., & Purwono, J. (2022). PENGARUH TERAPI “MENGGENGGAM BOLA KARET BERGERIGI” TERHADAP PERUBAHAN KEKUATAN OTOT PADA PASIEN STROKE DIUKUR MENGGUNAKAN HANGRY DYNAMOMETER RUANG SYARAF RSUD JENDAYANI KOTA METRtO. Jurnal Cendikia Muda, 2(1).

Kristiawan, K., & Widjaja, A. (2021). Perbandingan Algoritma machine learning Dalam Menilai Sebuah Lokasi toko ritel. Jurnal Teknik Informatika Dan Sistem Informasi, 7(1). https://doi.org/10.28932/jutisi.v7i1.3182

Nababan, A. H., & Hutagalung, M. Y. (2023). Hyperparameter Tuning Pada Model Stance Detection Menggunakan GridSearchCV. Jurnal Sains Dan Teknologi , 5(1).

Priatna, W. (2024). Dampak Pengambilan Sampel Data untuk Optimalisasi Data tidak seimbang pada Klasifikasi Penipuan Transaksi E-Commerce. Indonesian Journal of Computer Science, 13(2).

Ramadhon, R. N., Ogi, A., & Agung, A. P. (2024). Implementasi Algoritma Decision Tree untuk Klasifikasi Pelanggan Aktif atau Tidak Aktif pada Data Bank . Karimah Tauhid.

Sagita, A., Faqih, A., Dwilestari, G., Siswoyo, B., & Pratama, D. (2024). Penerapan metode random forest Dalam Menganalisis Sentimen pengguna aplikasi capcut di google play store. JATI (Jurnal Mahasiswa Teknik Informatika), 7(6), 3307–3313. https://doi.org/10.36040/jati.v7i6.8205.

Sukmawati, E., Bura Mare, A. C., & Marcello, S. A. (2024). Upaya Pencegahan resiko stroke pada LANSIA melalui pendidikan kesehatan di Panti

Sriyanto, & Supriyatna, A. R. (2023). Prediksi Penyakit Diabetes Menggunakan Algoritma Random Forest . JURNAL TEKNIKA .

Warouw, F., & Wilar, R. (2023). Peningkatan Pengetahuan Tentang Cara Identifikasi Dan Upaya Preventif Faktor-Faktor Resiko Stroke Pada Masyarakat Pesisir Desa Atep Oki. Jurnal Pengabdian Masyarakat, 1(1).

Werdha surya jemursari surabaya. BERDAYA: Jurnal Pendidikan Dan Pengabdian Kepada Masyarakat, 6(1), 111–116. https://doi.org/10.36407/berdaya.v6i1.1162

Downloads

Published

2024-09-27

How to Cite

Ryan Dana, A., Valentino Kristananda, R., Satrio Wibowo, M. B., & Prasetya, D. A. . (2024). Perbandingan Algoritma Decision Tree dan Random Forest dengan Hyperparameter Tuning dalam Mendeteksi Penyakit Stroke. Prosiding Seminar Nasional Informatika Bela Negara, 4, 66–75. Retrieved from https://santika.upnjatim.ac.id/submissions/index.php/santika/article/view/349

Issue

Section

Articles

Most read articles by the same author(s)

Obs.: This plugin requires at least one statistics/report plugin to be enabled. If your statistics plugins provide more than one metric then please also select a main metric on the admin's site settings page and/or on the journal manager's settings pages.