Perbandingan Kinerja Algoritma Optimasi pada Metode Random Forest untuk Deteksi Kegagalan Jantung

Unang Sunarya, Tita Haryanti

Abstract


Abstrak— Jantung merupakan salah satu organ terpenting dalam tubuh manusia. Kegagalan jantung pada pasien dapat mengakibatkan dampak yang vital dan berujung pada kematian. Adapun kegagalan jantung bukan hanya dipengaruhi oleh faktor usia, juga dipengaruhi komorbid dan pola hidup dari pasien. Berbagai upaya medis telah banyak dilakukan untuk mendeteksi kegagalan jantung yang mengharuskan pasien dirawat intensif di rumah sakit yang tentunya membuat pasien merasa kurang nyaman. Maka dari itu, dalam penelitian ini dirancang sebuah aplikasi machine learning untuk deteksi kegagalan jantung yang dapat mengklasifikasikan kondisi pasien ke arah kematian atau bertahan berdasarkan gejala-gejala yang dimiliki pasien. Adapun algoritma machine learning yang digunakan adalah random forest yang dioptimasi dengan tiga buah algoritma optimasi yaitu grid search, random search dan Bayesian search sebagai perbandingan. Kinerja ketiga algoritma optimasi kemudian diukur menggunakan akurasi, presisi dan recall. Ada 299 sampel pasien yang digunakan dalam penelitian ini. Hasil menunjukkan bahwa random forest dengan algoritma optimasi random search mencapai kinerja yang paling unggul dengan akurasi rata-rata sebesar 85,63 %, presisi rata-rata 87,38% dan recall 85,63%.  


Keywords


Kegagalan jantung; random forest; grid search; random search; Bayesian search

Full Text:

PDF


DOI: https://doi.org/10.17529/jre.v18i4.26981

Article Metrics

Abstract view : 0 times
PDF - 0 times

Refbacks

  • There are currently no refbacks.


View My Stats

 

Creative Commons License

Jurnal Rekayasa Elektrika (JRE) is published under license of Creative Commons Attribution-ShareAlike 4.0 International License.