IMPLEMENTASI ALGORITMA RANDOM FOREST UNTUK MEMPREDIKSI KELANGSUNGAN HIDUP PASIEN PENDERITA CARDIOVASCULAR DISEASE (CVD)

Meilin, Neda Farera (2024) IMPLEMENTASI ALGORITMA RANDOM FOREST UNTUK MEMPREDIKSI KELANGSUNGAN HIDUP PASIEN PENDERITA CARDIOVASCULAR DISEASE (CVD). Skripsi thesis, Institut Informatika dan Bisnis Darmajaya.

	Text Cover.pdf Download (82kB)
	Text hal pengesahan dan persetujuan .pdf Download (1MB)
	Text Abstrak.pdf Download (50kB)
	Text Daftar Isi.pdf Download (75kB)
	Text Bab 1.pdf Download (127kB)
	Text Bab 2.pdf Download (451kB)
	Text Bab 3.pdf Download (113kB)
	Text Bab 4.pdf Download (1MB)
	Text Bab 5.pdf Download (49kB)
	Text Daftar Pustaka.pdf Download (118kB)

Abstract

Penyakit kardiovaskular (CVD) merupakan salah satu penyebab utama kematian diseluruh dunia, terutama di negara berpenghasilan rendah dan menengah. Untuk mengurangi angka kematian dini, prediksi risiko penyakit ini sangat penting. Penelitian ini berfokus pada algoritma Random Forest, sebuah metode Machine Learning yang telah terbukti efektif dalam memproses data medis kompleks, untuk meningkatkan akurasi prediksi kelangsungan hidup pasien dengan penyakit kardiovaskular (CVD). Penelitian ini akan membangun model untuk memprediksi waktu kelangsungan hidup pasien yang menderita penyakit kardiovaskular (CVD) selama 10 tahun kedepan. Hasil penelitian menunjukkan bahwa nilai MAE sebesar 5.37, yang menunjukkan bahwa terdapat perbedaan rata-rata sebesar 5.37 tahun antara prediksi model dengan nilai sebenarnya. Nilai C-index yang didapatkan adalah 0.5, menunjukkan bahwa model ini belum mampu secara efektif merangking prediksi kelangsungan hidup pasien. Maka diperlukan evaluasi dan pengembangan lebih lanjut untuk meningkatkan akurasi dan kehandalan prediksi, khususnya dalam merangking prediksi secara lebih tepat. Penelitian ini diharapkan dapat meningkatkan perencanaan perawatan yang lebih baik bagi pasien dengan penyakit jantung, serta memberikan prediksi yang akurat dan handal tentang komponen utama yang mempengaruhi kelangsungan hidup pasien.

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	CVD, Machine Learning, Random Forest, Mean Absolute Error (MAE), C-Index
Subjects:	Ilmu Komputer
Depositing User:	MEILIN NEDA FARERA
Date Deposited:	15 Jan 2025 03:51
Last Modified:	15 Jan 2025 03:51
URI:	http://repo.darmajaya.ac.id/id/eprint/19206

Actions (login required)

View Item