<![CDATA[Stroke adalah salah satu penyebab utama kematian dan kecacatan di dunia, sehingga diperlukan metode yang efektif untuk diagnosis dan prediksi penyakit ini. Penelitian ini bertujuan mengembangkan model klasifikasi stroke menggunakan algoritma Random Forest yang mampu menangani data besar dan kompleks. Data pasien dari berbagai sumber dianalisis untuk mengidentifikasi fitur utama yang berkontribusi pada risiko stroke. Model Random Forest menunjukkan akurasi tinggi, mencapai 99% dalam beberapa pengujian, dengan sensitivitas dan spesifisitas yang memuaskan. Pemilihan fitur dengan metode seperti Mutual Information terbukti meningkatkan kinerja model secara signifikan. Hasil penelitian ini menunjukkan bahwa Random Forest dapat menjadi alat efektif untuk klasifikasi stroke, mendukung diagnosis dan perawatan pasien secara cepat, serta mendorong pengembangan aplikasi berbasis teknologi untuk membantu dokter menangani stroke lebih efisien.]]>
Copyrights © 2025
