Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Biner : Jurnal Ilmiah Informatika dan Komputer
Mediana Nurlailli
Universitas Nusantara PGRI Kediri
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
OPTIMASI SELEKSI FITUR PADA RANDOM FOREST UNTUK PREDIKSI RISIKO DIABETES TAHAP AWAL MENGGUNAKAN SFS, SBS, DAN PSO Mediana Nurlailli; Sucipto Sucipto; Anita Sari Wardani
Biner : Jurnal Ilmiah Informatika dan Komputer Vol. 5 No. 2 (2026): Juli
Publisher : Program Studi Teknik Informatika, Fakultas Teknik dan Ilmu Komputer, Universitas Sains Al-Qur'an

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/biner.v5i2.11298

Abstract

Preprocessing merupakan tahapan penting dalam machine learning karena kualitas data mempengaruhi performa model klasifikasi. Salah satu teknik preprocessing yang sering digunakan adalah feature selection untuk memilih atribut yang relevan dan mengurangi fitur yang kurang berpengaruh terhadap proses klasifikasi. Penelitian ini bertujuan melakukan optimasi seleksi fitur menggunakan metode Sequential Forward Selection (SFS), Sequential Backward Selection (SBS), dan Particle Swarm Optimization (PSO) pada algoritma Random Forest untuk prediksi risiko diabetes tahap awal. Dataset yang digunakan adalah Early Stage Diabetes Risk Prediction Dataset yang ditransformasikan ke bentuk numerik menggunakan Label Encoding. Hasil penelitian menunjukkan bahwa Random Forest tanpa seleksi fitur menghasilkan accuracy sebesar 98.27% dengan 16 fitur, metode SFS menghasilkan accuracy sebesar 98.65% dengan 11 fitur, sedangkan metode SBS memperoleh accuracy tertinggi sebesar 99.23% menggunakan 11 fitur dan PSO memperoleh accuracy sebesar 98.85% menggunakan 11 fitur. Selain meningkatkan accuracy, seleksi fitur juga mampu mengurangi jumlah atribut sehingga proses klasifikasi menjadi lebih efisien.
Co-Authors Anita Sari Wardani Sucipto Sucipto