Article Per Year (5 Year)
p-Index From 2021 - 2026
1.937
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal Teknologi dan Informasi Jurnal Mnemonic INFORMASI (Jurnal Informatika dan Sistem Informasi) Journal of Information Systems and Technology (JISTech) Media of Computer Science Jurnal Pusat Kolaborasi Pengabdian Kepada Masyarakat JROCK (Journal Research on Computing Knowledge)
Syaban, Kharis
Universitas Sembilanbelas November Kolaka
Agriculture, Biological Sciences & Forestry Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Library & Information Science

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
Analisis Kinerja Algoritma Random Forest untuk Klasifikasi Penyakit Diabetes di Puskesmas Wundulako Nurul Aisyah Fitri; Kharis Syaban; Nisa Miftachurohmah
JISTech : Journal of Information Systems and Technology Vol. 2 No. 2 (2025): Desember 2025
Publisher : Perhimpunan Ahli Teknologi Informasi dan Komunikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.71234/jistech.v2i2.104

Abstract

Penyakit diabetes merupakan salah satu penyakit kronis dengan prevalensi yang terus meningkat dan memerlukan deteksi dini untuk mencegah komplikasi yang lebih serius. Puskesmas sebagai fasilitas layanan kesehatan tingkat pertama memiliki peran penting dalam melakukan identifikasi awal terhadap pasien berisiko diabetes. Namun, proses klasifikasi penyakit diabetes yang masih dilakukan secara manual berpotensi menimbulkan keterlambatan dan ketidaktepatan dalam pengambilan keputusan. Oleh karena itu, penelitian ini bertujuan untuk menganalisis kinerja algoritma Random Forest dalam mengklasifikasikan penyakit diabetes menggunakan data rekam medis pasien di Puskesmas Wundulako. Data yang digunakan berjumlah 227 data pasien dengan beberapa variabel prediktor, antara lain usia, indeks massa tubuh, gula darah sewaktu, tekanan darah, dan variabel kesehatan lainnya. Proses klasifikasi dilakukan menggunakan algoritma Random Forest dengan skema pengujian 5-Fold Cross Validation untuk memastikan kestabilan model. Hasil penelitian menunjukkan bahwa algoritma Random Forest menghasilkan akurasi rata-rata sebesar 99.57% dengan nilai precision 100%, recall 98.75%, dan F1-score 99.35%, serta error rate yang sangat rendah. Analisis feature importance menunjukkan bahwa gula darah sewaktu merupakan variabel paling dominan dalam menentukan klasifikasi diabetes. Berdasarkan hasil tersebut, algoritma Random Forest terbukti memiliki kinerja yang sangat baik dan berpotensi digunakan sebagai sistem pendukung keputusan dalam deteksi dini penyakit diabetes di tingkat pelayanan kesehatan dasar.
Co-Authors Al Jum'ah, Muhammad Na'im alders paliling Arysespajayadi Arysespajayadi Asriani, Ika Dimas Febriyan Priambodo Dirman Ery Muchyar Hasiri Hamid Wijaya Hardianto Henny Hamsinar Hidayatullah, Muh. Ilham Ismail, Rima Ruktiari Jayanti Yusmah Sari La Ode Hasnuddin S. Sagala Mardiawati Miftachurohmah, Nisa Muh. Na’im Al Jum’ah Muliyadi Mutmainnah Muchtar Nirsal Nirsal Nisa Miftachurohmah Nisa Miftahurochmah Nurjannah Nurjannah Nurul Aisyah Fitri Rabiah Adawiyah Rahmat Karim Resitha Sampe Membunga Rima Ruktiari Sabi, Musini Sarimuddin, Sarimuddin Suci Pricilia Lestari Suharsono Bantun Sunyanti Sunyanti, Sunyanti