KOMBINASI METODE FEATURE SELECTION FILTER DAN WRAPPER PADA PROSES ANALISIS KLASIFIKASI PENYAKIT STROKE DENGAN ALGORITMA RANDOM FOREST

Pujiyono, Helga (2025) KOMBINASI METODE FEATURE SELECTION FILTER DAN WRAPPER PADA PROSES ANALISIS KLASIFIKASI PENYAKIT STROKE DENGAN ALGORITMA RANDOM FOREST. Bachelor thesis, Universitas Nasional.

	Text Cover.pdf Download (980kB)
	Text BAB 1.pdf Download (118kB)
	Text BAB 2.pdf Download (293kB)
	Text BAB 3.pdf Download (363kB)
	Text BAB 4.pdf Download (739kB)
	Text BAB 5.pdf Download (107kB)
	Text Lampiran.pdf Download (825kB)

Abstract

Stroke merupakan salah satu penyebab utama kematian dan kecacatan global, sehingga deteksi dini sangat diperlukan. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi stroke dengan menggunakan algoritma Random Forest yang menggabungkan metode seleksi fitur berbasis filter dan wrapper. Selain itu, penelitian ini juga menangani masalah ketidakseimbangan data dengan mengimplementasikan teknik SMOTE untuk meratakan distribusi antara kelas "Stroke" dan "Tidak Stroke". Hasil uji coba menunjukkan bahwa penerapan SMOTE berhasil meningkatkan kinerja model, dengan precision kelas "Stroke" mencapai 0.87, recall 0.80, dan F1-score 0.83, meskipun akurasi sedikit menurun menjadi 93%. Tanpa SMOTE, model mengalami kesulitan dalam mendeteksi kelas minoritas, mengakibatkan rendahnya precision (0.33) dan recall yang sangat buruk (0.01). Temuan ini menunjukkan bahwa kombinasi metode seleksi fitur dan SMOTE dapat menghasilkan model yang lebih seimbang dan efektif untuk deteksi stroke. Penelitian ini merekomendasikan penerapan teknik ini dalam klasifikasi medis untuk meningkatkan keakuratan dan performa model pada dataset yang tidak seimbang.

Item Type:	Thesis (Bachelor)
Subjects:	Q Science > Q Science (General) T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User:	Miss Rahma Rahmawati
Date Deposited:	12 Sep 2025 03:41
Last Modified:	15 Sep 2025 03:42
URI:	http://repository.unas.ac.id/id/eprint/14077

Actions (login required)

View Item