SISTEM DIAGNOSIS PENYAKIT PENCERNAAN DAN PERNAPASAN MENGGUNAKAN RANDOM FOREST DENGAN SELEKSI FITUR

• Kategori : Skripsi
• Penulis : Aghisna Baihaqi
• Identitas : 210511034 - Teknik Informatika
• Abstrak :
  

  INTISARI SISTEM DIAGNOSIS PENYAKIT PENCERNAAN DAN PERNAPASAN MENGGUNAKAN RANDOM FOREST DENGAN SELEKSI FITUR Oleh: Aghisna Baihaqi 210511034 Penelitian ini bertujuan untuk mengatasi tantangan dalam diagnosis penyakit pencernaan dan pernapasan yang sering mengalami tumpang tindih gejala, sehingga menyulitkan tenaga medis dalam menegakkan diagnosis awal yang tepat. Selain itu, adanya fitur gejala yang redundan dapat menurunkan efisiensi dan interpretabilitas model prediksi. Untuk mengatasinya, penelitian ini mengembangkan model diagnosis berbasis Random Forest yang dioptimalkan melalui seleksi fitur untuk meningkatkan akurasi dan transparansi proses diagnosis, serta dibangun dalam platform web sebagai alat bantu tenaga medis. Metode CRISP-DM digunakan dalam penelitian ini, meliputi pengumpulan data yang divalidasi oleh tenaga medis, pra-pemrosesan data, seleksi fitur menggunakan Forward Selection, pemodelan dengan algoritma Random Forest yang dievaluasi menggunakan confusion matrix, serta penerapan model dalam sistem web berbasis Flask. Hasil penelitian menunjukkan bahwa seleksi fitur berhasil meningkatkan efisiensi dan akurasi model hingga 87% dan model tergeneralisasi dengan baik tanpa adanya potensi overfitting, sistem web mampu memberikan respons yang cepat, serta dapat membedakan penyakit dengan gejala tumpang tindih dengan probabilitas tinggi dan diterima baik oleh tenaga medis dalam simulasi penggunaan. Kata kunci: Random Forest, Seleksi Fitur, Diagnosis Penyakit, Sistem Berbasis Web, CRISP-DM.

Preview