Sesa, Marya Ovi (2026) ANALISIS PERFORMA ALGORITMA RANDOM FOREST DALAM MEMPREDIKSI PENYAKIT LIVER MENGGUNAKAN DATASET DARI KAGGLE. Skripsi (Bachelor) thesis, Universitas Muhammadiyah Bengkulu.
![[img]](http://repository.umb.ac.id/style/images/fileicons/text.png) |
Text (Fulltext)
Marya Ovi Sesa 2255201152_ FULLTEXT .pdf - Submitted Version Restricted to Repository staff only Download (4MB) | Request a copy |
|
Text (Turnitin)
Marya Ovi Sesa 2255201152_ TURNITIN.pdf - Submitted Version Restricted to Repository staff only Download (5MB) | Request a copy |
|
Text (Abstrak + BAB 1)
Marya Ovi Sesa 2255201152_ ABSTRAK & BAB 1.pdf - Submitted Version Download (3MB) |
|
Text (BAB 2)
Marya Ovi Sesa 2255201152_ BAB 2 .pdf - Submitted Version Download (104kB) |
|
Text (BAB 3)
Marya Ovi Sesa 2255201152_ BAB 3pdf.pdf - Submitted Version Restricted to Repository staff only Download (199kB) | Request a copy |
|
Text (BAB 4)
Marya Ovi Sesa 2255201152_ BAB 4.pdf - Submitted Version Restricted to Repository staff only Download (360kB) | Request a copy |
|
Text (BAB 5)
Marya Ovi Sesa 2255201152_ BAB 5.pdf - Submitted Version Download (90kB) |
|
Text (Ref + Lamp)
Marya Ovi Sesa 2255201152_ REF.pdf - Submitted Version Download (232kB) |
Abstract
Penyakit liver merupakan gangguan kesehatan yang dapat menurunkan fungsi metabolisme tubuh dan berpotensi menyebabkan komplikasi serius apabila tidak terdeteksi sejak dini. Penelitian ini bertujuan untuk menganalisis efektivitas algoritma Random Forest dalam memprediksi penyakit liver berdasarkan data medis pasien. Dataset yang digunakan berasal dari platform Kaggle dan terdiri dari 580 data pasien dengan 11 variabel yang mencakup data demografis dan hasil pemeriksaan laboratorium. Penelitian ini menggunakan metode kuantitatif dengan pendekatan eksperimen yang meliputi tahapan pengumpulan data, preprocessing data berupa penghapusan data duplikasi dan encoding data kategorikal, serta pembagian data latih dan data uji dengan rasio 80:20. Model prediksi dibangun menggunakan algoritma Random Forest dengan 100 pohon keputusan dan dilatih menggunakan data latih. Evaluasi performa model dilakukan menggunakan confusion matrix, accuracy, precision, recall, F1-score, dan Area Under Curve (AUC). Hasil penelitian menunjukkan bahwa algoritma Random Forest menghasilkan nilai akurasi sebesar 74% dan nilai AUC sebesar 0,797, yang menunjukkan kemampuan klasifikasi yang cukup baik. Model memiliki kemampuan yang sangat baik dalam mendeteksi pasien dengan penyakit liver, ditunjukkan oleh nilai recall kelas positif sebesar 0,93 dan F1-score sebesar 0,84, meskipun performa pada kelas non-liver masih terbatas. Berdasarkan hasil tersebut, dapat disimpulkan bahwa algoritma Random Forest cukup efektif dan andal dalam memprediksi penyakit liver berbasis data medis serta berpotensi digunakan sebagai sistem pendukung keputusan medis.
| Item Type: | Thesis (Skripsi (Bachelor)) |
|---|---|
| Additional Information: | Dosen Pembimbing : Ardi Wijaya. S.Kom., M.Kom |
| Uncontrolled Keywords: | Kata kunci: Penyakit Liver, Random Forest, Machine Learning. |
| Subjects: | Universitas Muhammadiyah Bengkulu > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika 02-Fakultas Teknik > 55201-(S1) Teknik Informatika |
| Divisions: | 02-Fakultas Teknik > 55201-(S1) Teknik Informatika Subjek Terkait > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika |
| Depositing User: | Mrs Atika Ledia Anggraini |
| Date Deposited: | 20 May 2026 03:29 |
| Last Modified: | 20 May 2026 03:29 |
| URI: | http://repository.umb.ac.id/id/eprint/2435 |
Actions (login required)
 |
View Item |