Mufidah, Nur Amaliah (2024) PEMODELAN PREDIKSI RISIKO PENYAKIT STROKE MENGGUNAKAN METODE RANDOM FOREST. Skripsi thesis, Institut Informatika dan Bisnis Darmajaya.
Text
COVER.pdf Download (130kB) |
|
Text
ABSTRAK.pdf Download (302kB) |
|
Text
PERNYATAAN, PERSETUJUAN, PENGESAHAN.pdf Download (673kB) |
|
Text
DAFTAR ISI, DAFTAR TABEL dan DAFTAR GAMBAR.pdf Download (287kB) |
|
Text
BAB 1.pdf Download (254kB) |
|
Text
BAB 2.pdf Download (399kB) |
|
Text
BAB 3.pdf Download (364kB) |
|
Text
BAB 4.pdf Download (2MB) |
|
Text
BAB 5.pdf Download (228kB) |
|
Text
DAFTAR PUSTAKA.pdf Download (236kB) |
Abstract
Stroke merupakan gangguan saraf akibat aliran darah ke otak yang terhambat, faktor risiko seperti hipertensi, usia, dan gaya hidup sangat berperan dalam meningkatkan peluang seseorang terkena stroke. Dalam penelitian ini data penyakit diambil dari repositori Kaggle dengan jumlah 4981 sampel data yang terdiri dari 10 kolom prediktor dan 1 kolom target. Penelitian ini bertujuan untuk memprediksi apakah seseorang beresiko terkena stroke menggunakan algoritma Random Forest, yang dikenal sebagai metode Machine Learning yang andal untuk data yang kompleks. Tahapan analisis menggunakan Cross Industry Standard Process for Data Mining (CRISP-DM). Tools yang digunakan pada penelitian ini google colaboratory, streamlit, rapid miner. Model prediksi mencapai tingkat akurasi sebesar 95,33%. Namun, terdapat ketidak seimbangan kelas dengan 831 sampel untuk kelas 0 (tidak stroke) dan hanya 37 sampel untuk kelas 1 (stroke). Rata-rata performa model berdasarkan metrik Precision, Recall, dan F1-Score masing-masing adalah 47,66%, 50%, dan 48,80%.
Item Type: | Thesis (Skripsi) |
---|---|
Uncontrolled Keywords: | Kata Kunci : Prediksi,Stroke, Random Forest, Machine Learning, CRISP-DM |
Subjects: | Ilmu Komputer eSkripsi |
Divisions: | Skripsi/TA & PKPM/KP - Fakultas Ilmu Komputer > Sistem Informasi |
Depositing User: | Mufidah Nur Amaliah |
Date Deposited: | 06 Jan 2025 04:42 |
Last Modified: | 06 Jan 2025 04:42 |
URI: | http://repo.darmajaya.ac.id/id/eprint/19116 |
Actions (login required)
View Item |