Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Indonesian Journal of Science, Technology, and Humanities
Harry Pratama Fiqna
Unknown Affiliation
Religion Computer Science & IT Mathematics Social Sciences

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

Found 1 Documents
Search

 1 
Perbandingan Akurasi Algoritma Decision Tree dan Random Forest dalam Diagnosa Penyakit Hepatitis Muhammad Riansyah; Syaiful Bahri; Harry Pratama Fiqna
Indonesian Journal of Science, Technology and Humanities Vol. 2 No. 3 (2025): IJSTECH - February 2025
Publisher : PT. INOVASI TEKNOLOGI KOMPUTER

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.60076/ijstech.v2i3.1108

Abstract

Penyakit hepatitis merupakan salah satu masalah kesehatan global yang membutuhkan deteksi dini untuk mencegah komplikasi lebih lanjut. Dalam konteks ini, algoritma machine learning dapat memberikan kontribusi penting untuk meningkatkan akurasi diagnosis. Penelitian ini bertujuan untuk membandingkan tingkat akurasi antara dua algoritma machine learning yang populer, yaitu Decision Tree dan Random Forest, dalam memprediksi penyakit hepatitis. Dataset yang digunakan Kaggle.com. Kedua algoritma dievaluasi menggunakan metrik akurasi, klasifikasi eror, presisi, dan recall, setelah dilakukan pembagian data menjadi 80% untuk pelatihan dan 20% untuk pengujian. Hasil pengujian menunjukkan bahwa algoritma Random Forest memberikan tingkat akurasi yang lebih tinggi 90,32% dibandingkan dengan Decision Tree 80,65%. Selain itu, Random Forest juga lebih efektif dalam menangani data yang tidak seimbang, yang sering ditemukan dalam diagnosis penyakit hepatitis. Meskipun Decision Tree memiliki keunggulan dalam interpretasi model, hasil penelitian ini menunjukkan bahwa Random Forest lebih unggul dalam meningkatkan akurasi prediksi.
Co-Authors Muhammad Riansyah Syaiful Bahri