<![CDATA[Penelitian ini membandingkan kinerja tiga algoritma yakni C4.5, Naive Bayes, dan Random Forest. Ketika memprediksi klasifikasi usia menggunakan data National Health and Nutrition Examination Survey (NHANES). Klasifikasi usia menjadi krusial dalam analisis kesehatan untuk mengidentifikasi pola penyakit dan faktor risiko yang spesifik pada kelompok usia berbeda. Algoritma C4.5, berbasis pohon keputusan, dan Naive Bayes, yang mengandalkan probabilitas, dibandingkan dengan Random Forest, metode ensambel yang menggabungkan banyak pohon keputusan, untuk mengevaluasi kemampuan mereka dalam menangani data kompleks. Evaluasi menggunakan Confusion Matrix, Performance Vector, dan Independent Sample T-Test menunjukkan bahwa Naive Bayes mencapai akurasi tertinggi dengan kesalahan klasifikasi rendah, sementara Random Forest unggul dalam stabilitas prediksi pada data berdimensi tinggi. Di sisi lain, C4.5 cenderung kurang akurat, terutama saat menghadapi atribut kompleks. Hasil T-Test membuktikan perbedaan signifikan secara statistik antaralgoritma, memperkuat rekomendasi penggunaan Naive Bayes untuk akurasi maksimal atau Random Forest untuk data beragam. Temuan ini diharapkan dapat menjadi acuan dalam pengembangan sistem prediksi kesehatan yang lebih adaptif dan efektif.]]>
Copyrights © 2026
