Article Per Year (5 Year)
p-Index From 2021 - 2026
1.881
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Rekayasa Perangkat Lunak Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Journal of Artificial Intelligence and Engineering Applications (JAIEA) Jurnal Sistem Informasi dan Teknologi (SINTEK) AMMA : Jurnal Pengabdian Masyarakat Sintek Kuwera
Willy Prihartono
Unknown Affiliation
Humanities Automotive Engineering Chemistry Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Nursing

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

Found 11 Documents
Search

 1   2 
Model Machine Learning Untuk Prediksi Risiko Penyakit Liver Dengan Random Forest Teroptimasi Rizky Andrea Arifa; Nana Suarna; Agus Bahtiar; Nining Rahaningsih; Willy Prihartono
Jurnal Sistem Informasi dan Teknologi Vol 6 No 1 (2026): Jurnal Sistem Informasi dan Teknologi (SINTEK)
Publisher : LPPM STMIK KUWERA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56995/sintek.v6i1.204

Abstract

Penyakit liver merupakan salah satu kondisi kronis dengan tingkat mortalitas tinggi, sehingga diperlukan pendekatan prediksi yang akurat untuk mendukung deteksi dini. Penelitian ini bertujuan mengembangkan model machine learning untuk memprediksi risiko penyakit liver menggunakan algoritma Random Forest yang dioptimalkan dengan RandomizedSearchCV. Dataset yang digunakan terdiri dari 1.700 entri yang mencakup variabel klinis dan gaya hidup, termasuk usia, jenis kelamin, BMI, konsumsi alkohol, kebiasaan merokok, riwayat genetik, aktivitas fisik, diabetes, hipertensi, serta hasil Liver Function Test. Proses penelitian meliputi preprocessing, normalisasi skala, pembagian data menggunakan train-test split 80:20, pembangunan model baseline, dan optimasi hiperparameter. Hasil eksperimen menunjukkan bahwa optimasi menghasilkan peningkatan performa model, dengan akurasi 0.91, peningkatan recall sebesar 3.20%, dan AUC-ROC mencapai 0.96. Analisis feature importance menunjukkan bahwa LiverFunctionTest, BMI, dan AlcoholConsumption merupakan fitur paling berpengaruh terhadap prediksi risiko penyakit liver. Dengan demikian, Random Forest teroptimasi terbukti efektif dalam menghasilkan model prediksi yang akurat dan dapat digunakan sebagai alat pendukung keputusan dalam deteksi dini penyakit liver.
Co-Authors Agung Saeful Agung Triyono agus bahtiar Aliya Anisa Rahma Fathurrohman, Fathurrohman Irma Agustina Juliyanti Mohamad Alif Dzikry Nana Suarna Nining Rahaningsih Nurholis Oka Alvianto Puji Hartini Rini Astuti Risnawati Rizky Andrea Arifa Sri Farida Utami Tati Suprapti Umi Hayati Widisa Adi Kumara Yudhistira Arie Wijaya