<![CDATA[Kesehatan kucing merupakan prioritas bagi pemilik hewan peliharaan, namun kurangnya pengetahuan seringkali menjadi kendala dalam deteksi dini penyakit. Keterlambatan diagnosis dapat menyebabkan komplikasi serius dan penanganan yang lebih sulit. Penelitian ini bertujuan untuk mengimplementasikan algoritma machine learning Random Forest guna membangun sistem deteksi penyakit pada kucing berdasarkan gejala klinis, serta memberikan rekomendasi perawatan awal. Metode penelitian meliputi pengumpulan data, pra-pemrosesan dengan CountVectorizer dan LabelEncoder, pemodelan menggunakan Random Forest, dan implementasi ke dalam prototipe aplikasi command-line bernama "Valary Care". Dataset yang digunakan terdiri dari 100 rekam medis yang mencakup 5 jenis penyakit dan 35 gejala unik, yang dibagi menjadi 80% data latih dan 20% data uji. Hasil pengujian model menunjukkan performa yang sangat baik dengan tingkat akurasi 90%, presisi rata-rata 91%, recall rata-rata 89%, dan F1-Score rata-rata 89%. Tingkat akurasi yang tinggi ini membuktikan bahwa model Random Forest efektif dan dapat diandalkan sebagai alat bantu diagnosis awal penyakit pada kucing, sehingga dapat membantu pemilik dalam mengambil langkah penanganan yang lebih cepat dan tepat.]]>
Copyrights © 2025
