<![CDATA[Pada penelitian ini bertujuan untuk memprediksi infeksi virus Hepatitis C (HCV) berdasarkan pemeriksaan darah menggunakan algoritma Random Forest. Data diperoleh dari UCI Machine Learning Repository dan mencakup atribut medis seperti usia, jenis kelamin, kadar albumin, alkaline phosphatase, alanine aminotransferase, dan lainnya. Proses penelitian meliputi pengumpulan data, pra-pemrosesan, pemilihan fitur, pemodelan, dan evaluasi kinerja model dengan metode 10-fold cross-validation menggunakan perangkat lunak WEKA. Hasil menunjukkan bahwa algoritma Random Forest memberikan akurasi tinggi dalam mendeteksi HCV, dengan akurasi 91.87%, presisi 91.20%, recall 93.50%, dan F1-score 92.34%, lebih baik dibandingkan Logistic Regression dan Naïve Bayes. Penelitian ini menyimpulkan bahwa Random Forest efektif untuk prediksi infeksi HCV dan dapat membantu dalam deteksi dini serta penanganan penyakit ini, sekaligus menjadi acuan untuk penelitian lebih lanjut di bidang prediksi penyakit menggunakan machine learning.]]>
Copyrights © 2024
