<![CDATA[Stroke merupakan salah satu penyebab utama kematian dan disabilitas di dunia, dengan pola konsumsi nutrisi yang tidak seimbang sebagai salah satu faktor risiko utamanya. Penelitian ini mengembangkan model klasifikasi tingkat risiko stroke berbasis algoritma Random Forest menggunakan data pola konsumsi nutrisi dan indikator kesehatan pasien Puskesmas Kanjilo, Kabupaten Gowa, Sulawesi Selatan, serta menerapkan metode SHAP (SHapley Additive exPlanations) untuk menginterpretasikan kontribusi setiap fitur terhadap hasil klasifikasi. Label kategori risiko (Aman, Berisiko, Sangat Berisiko) dibentuk melalui skema skor berbasis aturan klinis (rule-based scoring) atas 12 indikator kesehatan dan nutrisi, sehingga hasil evaluasi model perlu dibaca sebagai ukuran konsistensi model terhadap aturan pelabelan tersebut, bukan sebagai bukti prediksi klinis yang telah tervalidasi. Model Random Forest yang dibangun menunjukkan performa klasifikasi yang sangat tinggi dan konsisten pada pengujian data uji maupun validasi silang 5-fold, dengan kestabilan performa yang baik pada ketiga kategori risiko. Analisis SHAP menunjukkan bahwa konsumsi serat, konsumsi lemak, BMI, tekanan darah, dan status hipertensi merupakan fitur dengan kontribusi terbesar terhadap hasil klasifikasi, konsisten dengan feature importance bawaan Random Forest maupun dengan literatur epidemiologis mengenai peran nutrisi dan tekanan darah dalam risiko stroke. Model semacam ini berpotensi menjadi alat bantu skrining awal yang transparan bagi tenaga kesehatan di fasilitas pelayanan primer seperti Puskesmas untuk mengidentifikasi pasien berisiko dan mengarahkan edukasi gizi, dengan catatan bahwa penerapan klinisnya tetap memerlukan validasi lebih lanjut oleh tenaga medis serta pengujian pada data di luar skema pelabelan internal yang digunakan.]]>
Copyrights © 2026
