Rhamadani, Anggita and Agaria, Melda (2025) PERBANDINGAN ALGORITMA RANDOM FOREST, C 5.0 DAN SUPPORT VECTOR MACHINE DALAM MEMPREDIKSI RISIKO PENYAKIT LIVER. Skripsi thesis, INSTITUT INFORMATIKA DAN BISNIS DARMAJAYA.
![[img]](http://repo.darmajaya.ac.id/style/images/fileicons/text.png) |
Text
Cover.pdf Download (243kB) |
|
Text
Lembar Pernyataan (2).pdf Download (81kB) |
|
Text
Lembar Persetujuan (3).pdf Download (284kB) |
|
Text
Lembar Pengesehan.pdf Download (157kB) |
|
Text
Riwayat Hidup (1).pdf Download (57kB) |
|
Text
Halaman Persembahan.pdf Download (49kB) |
|
Text
Motto.pdf Download (213kB) |
|
Text
Abstrak.pdf Download (260kB) |
|
Text
Prakata (2).pdf Download (224kB) |
|
Text
Daftar Isi.pdf Download (236kB) |
|
Text
Daftar Gambar.pdf Download (217kB) |
|
Text
Daftar Tabel.pdf Download (154kB) |
|
Text
BAB I.pdf Download (228kB) |
|
Text
BAB II.pdf Download (405kB) |
|
Text
BAB III.pdf Download (416kB) |
|
Text
BAB IV.pdf Download (821kB) |
|
Text
BAB V.pdf Download (226kB) |
|
Text
Daftar Pustaka.pdf Download (220kB) |
Abstract
Penyakit Liver merupakan salah satu masalah kesehatan serius yang dapat menyebabkan komplikasi hingga kematian jika tidak dideteksi secara dini. Penelitian ini bertujuan untuk membandingkan kinerja tiga algoritma machine learning, yaitu Random Forest, C5.0, dan Support Vector Machine (SVM), dalam memprediksi risiko penyakit Liver. Dataset yang digunakan berasal dari Kaggle dan terdiri dari 30.692 data yang kemudian melalui proses pembersihan, normalisasi, dan penghapusan outlier hingga tersisa 11.148 data yang layak untuk pelatihan dan pengujian model. Evaluasi dilakukan dengan menggunakan metrik akurasi, presisi, dan Recall. Hasil penelitian menunjukkan bahwa algoritma Random Forest memiliki performa terbaik dengan akurasi sebesar 96,78%, precision sebesar 96,87%, dan Recall sebesar 96,35%. Temuan ini menunjukkan bahwa Random Forest dapat diandalkan untuk mendeteksi risiko penyakit Liver secara lebih efektif dibandingkan algoritma lainnya, dan dapat mendukung proses pengambilan keputusan di bidang medis.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Subjects: | Ilmu Komputer eSkripsi |
| Divisions: | Skripsi/TA & PKPM/KP - Fakultas Ilmu Komputer > Sistem Informasi |
| Depositing User: | Anggita Anggita Rhamadani |
| Date Deposited: | 19 Aug 2025 02:12 |
| Last Modified: | 19 Aug 2025 02:12 |
| URI: | http://repo.darmajaya.ac.id/id/eprint/20968 |
Actions (login required)
 |
View Item |