Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Computer Science and Information Technology
Zelvia Zelvia
Universitas Muhammadiyah Makassar
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Environmental Science Social Sciences

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

Found 1 Documents
Search

 1 
OPTIMASI RANDOM FOREST-SSO UNTUK KLASIFIKASI RISIKO DIABETES BERBASIS REKOMENDASI Zelvia Zelvia; Darniati Darniati; Ida Mulyadi
Journal of Computer Science and Information Technology Vol. 3 No. 4 (2026): September
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jcsit.v3i4.4362

Abstract

Diabetes melitus merupakan penyakit kronis yang memerlukan klasifikasi risiko secara sistematis untuk mendukung proses skrining dan pemantauan pasien. Penelitian ini mengoptimalkan Random Forest menggunakan Salp Swarm Optimization (SSO) untuk mengklasifikasikan risiko diabetes ke dalam kategori Normal, Pra-Diabetes, dan Diabetes serta memberikan rekomendasi awal. Dataset terdiri atas 500 data hasil pemeriksaan pasien UPTD Puskesmas Larompong tahun 2025 dengan 11 variabel masukan. Tahapan penelitian mencakup preprocessing, feature engineering, pembagian data 80% untuk pelatihan dan 20% untuk pengujian, pembangunan model baseline, optimasi enam hyperparameter menggunakan empat salp selama 40 iterasi, serta evaluasi model. Random Forest baseline memperoleh accuracy 88,00% dan macro F1-score 88,90%. Optimasi SSO menghasilkan n_estimators 247, max_depth 16, max_features 0,80, min_samples_split 4, min_samples_leaf 1, dan class_weight balanced. Model Random Forest-SSO memperoleh accuracy 90,00% serta macro precision, macro recall, dan macro F1-score sebesar 90,75%. Hasil tersebut menunjukkan bahwa SSO meningkatkan kinerja Random Forest dan mengurangi kesalahan klasifikasi antara kelas Pra-Diabetes dan Diabetes. Hasil prediksi digunakan sebagai dasar rekomendasi awal tanpa menggantikan pemeriksaan atau keputusan tenaga kesehatan.
Co-Authors Darniati Ida Mulyadi, Ida