Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Sains dan Teknologi
Susanti, Zenny
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Mathematics Physics Social Sciences

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

Found 1 Documents
Search

 1 
Peningkatan Kinerja Random Forest Melalui Seleksi Fitur Secara Pca Untuk Mendeteksi Penyakit Diabetes Tahap Awal. Susanti, Zenny; Sirait, Pahala; Panjaitan, Erwin Setiawan
Jurnal Sains dan Teknologi Vol. 4 No. 3 (2023): Jurnal Sains dan Teknologi
Publisher : CV. Utility Project Solution

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Diabetes merupakan penyakit yang banyak diderita oleh semua kalangan usia, salah satu penyakit yang menyiksa dengan angka kematian yang tinggi, maka perlu dilakukan diagnosis diabetes stadium awal karena penyakit ini jarang terdeteksi secara dini oleh tubuh yang terkena diabetes. Dalam proses diagnosis, masalah yang paling sering terjadi adalah waktu pengambilan keputusan dan ketepatan diagnosis yang ditemui dalam proses klasifikasi. Atribut penting dalam pengambilan keputusan diabetes tahap awal, sehingga perlu diketahui atribut utama diabetes. Seringkali diperoleh hasil yang berbeda dalam proses diagnostik karena banyak atribut yang digunakan dalam pengambilan keputusan. Sehingga perlu dilakukan proses pengurangan atribut diabetes. Metode Principal Component Analysis (PCA) dapat digunakan untuk mereduksi data dengan dimensi besar dan mereduksi peringkat atribut. Proses klasifikasi dapat dilakukan dengan menggunakan algoritma random forest dan mendapatkan tingkat akurasi dalam proses klasifikasi. Pengujian dengan perbandingan 90:10, 80:20, 70:30 hasil prediksi penyakit menggunakan metode random forest memiliki hasil dan tingkat akurasi yang berbeda.
Co-Authors Panjaitan, Erwin Setiawan Sirait, Pahala