<![CDATA[Penyakit paru-paru dan kanker paru merupakan dua masalah kesehatan utama yang signifikan di Indonesia, dengan tingkat morbiditas dan mortalitas yang tinggi. Penelitian ini bertujuan untuk mengoptimalkan prediksi penyakit paru-paru dan kanker paru melalui penerapan algoritma Random Forest yang diintegrasikan dengan teknik optimasi fitur. Data yang digunakan meliputi informasi demografi, gejala klinis, serta faktor gaya hidup seperti kebiasaan merokok dan riwayat aktivitas fisik. Penelitian ini dilaksanakan dalam dua tahapan: pertama, pengujian model Random Forest tanpa optimasi fitur, dan kedua, penerapan optimasi fitur menggunakan teknik Forward Selection. Hasil pengujian awal menunjukkan bahwa model Random Forest tanpa optimasi mencapai akurasi sebesar 88,74%, dengan presisi 81,50%, dan recall 98,25%. Setelah optimasi fitur, akurasi meningkat menjadi 91,32%, dengan presisi 94,50%, dan recall 89,80%. Penelitian ini juga mengidentifikasi faktor-faktor paling signifikan dalam prediksi penyakit paru-paru dan kanker paru, seperti usia, kebiasaan merokok, dan tingkat aktivitas fisik. Temuan ini menegaskan bahwa integrasi algoritma Random Forest dengan optimasi fitur dapat meningkatkan akurasi prediksi secara signifikan, yang pada gilirannya dapat mendukung deteksi dini dan pengelolaan penyakit paru-paru dan kanker paru dengan lebih efektif.]]>
Copyrights © 2024
