(0721) 8030188    pusat@itera.ac.id   

KOMPARASI METODE DECISION TREE C4.5, XGBOOST DAN RANDOM FOREST DALAM PREDIKSI STROKE


Stroke merupakan penyakit yang ditimbulkan oleh karena terputusnya suplai darah ke otak yang disebabkan adanya semburan pada pembuluh darah atau dikarenakan adanya penyumbatan berupa darah yang menggumpal yang menyebabkan otak tidak menerima suplai oksigen serta nutrisi yang akan memicu kerusakan jaringan pada otak. Penyakit stroke menjadi penyebab kecacatan nomor satu serta menjadi penyebab kematian nomor tiga di dunia setelah jantung dan kanker. Data prevalensi stroke di Indonesia tahun 2018 berdasarkan diagnosis dokter pada penduduk umur ≥ 15 tahun sebesar (10,9%) atau diperkirakan sebanyak 2.120.362 orang. Melalui beberapa gejala penyakit stroke dapat dilakukan identifikasi seseorang terkena stroke atau tidak. Identifikasi ini dapat dilakukan dengan menggunakan machine learning, dengan membentuk model prediksi menggunakan beberapa algoritma dan model dengan akurasi terbaik sebagai model paling optimal. Metode machine learning yang dapat dipakai antara lainnya Decisin Tree C4.5, Random forest dan XGBoost. Ketiga algoritma ini adalah algoritma yang menvisualisasikan modelnya dalam bentuk pohon keputusan. Hasil evaluasi menunjukkan akurasi Decision Tree c4.5 94.91%, Random forest sebesar 95.04

URI
https://repo.itera.ac.id/depan/submission/SB2307210013

Keyword