Claim Missing Document
Check
Articles

Found 1 Documents
Search

Prediksi Nefropati Menggunakan Algoritma Random Forest Rusydi Hanan, Muhammad; Muflikhah, Lailil; Abdurrachman Bachtiar, Fitra
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 5 (2025): Mei 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Prediksi nefropati diabetik yang efektif dan efisien penting untuk mencegah komplikasi serius, seperti gagal ginjal. Model machine learning dapat memberikan prediksi cepat dan akurat. Data pasien nefropati diproses melalui prapemrosesan untuk mengoptimalkan model, termasuk konversi data kategorikal ke numerik, normalisasi menggunakan Min-Max, dan oversampling dengan SMOTE untuk menyeimbangkan distribusi kelas. Fitur diseleksi berdasarkan importance score untuk mengurangi kompleksitas model. Random Forest digunakan dengan parameter optimal yang diperoleh dari Hyperparameter Tuning. Hasil menunjukkan bahwa model Random Forest dengan data prapemrosesan memiliki performa lebih baik dibandingkan model tanpa prapemrosesan, meski perbedaannya tidak terlihat signifikan. Model ini juga lebih unggul dibandingkan model machine learning lainnya seperti KNN, SVM, dan Gaussian Naïve Bayes dalam akurasi, presisi, reecall, f1 score, dan AUC score (0.96), yang menunjukkan kemampuannya dalam membedakan data positif dan negatif. Penelitian ini berhasil mengimplementasikan model Random Forest dalam memprediksi penyakit nefropati diabetik dengan hasil yang cukup baik, namun penelitian yang lebih mendalam dapat dilakukan untuk mengoptimalkan model dalam memprediksi nefropati diabetik.