Analisis Regresi Logistik Binomial dan Algoritma Random Forest pada Proses Pengklasifikasian Penyakit Ginjal Kronis

Abraham Raja Swara Darwanto (Universitas Indonesia)
Taza Luzia Viarindita (Universitas Indonesia)
Yekti Widyaningsih (Universitas Indonesia)

Jurnal Statistika dan Aplikasinya
Vol 5 No 1 (2021): Jurnal Statistika dan Aplikasinya

Penyakit Ginjal Kronis (Chronic Kidney Disease) merupakan masalah kesehatan yang banyak diderita oleh masyarakat di seluruh dunia dan telah diangkat sebagai penyebab penting kematian dengan angka yang besar. Penyakit ginjal kronis termasuk penyakit yang perlu diperiksa secara rutin. Penulis berharap penyakit ini dapat dideteksi dengan tes sesedikit mungkin dan biaya yang rendah dengan menggunakan regresi logistik binomial dan metode klasifikasi Random Forest. Sehingga tujuan dari penelitian ini adalah ingin membandingkan akurasi dari kedua metode untuk melihat model yang paling efektif dalam memprediksi CKD. Hasil penelitian menunjukkan bahwa analisis menggunakan metode regresi logistik binomial memiliki keakuratan yang lebih tinggi dibandingkan dengan metode klasifikasi random forest yaitu sebesar 97.5%, di mana kedua metode menggunakan faktor-faktor yang sama yaitu Specific Gravity, Albumin, Serum Creatinine, Hemoglobin, dan kadar Packed Cell Volume.