<![CDATA[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.]]>
Copyrights © 2025
