Perbandingan Metode Random Forest dan Adaboost Dalam Prediksi Penyakit Jantung Dan Diabetes
Kemajuan teknologi tidak hanya memberikan dampak baik bagi kehidupan manusia, namun juga membawa dampak buruk yang mengakibatkan malas untuk bergerak. Rasa malas untuk beraktifitas ini jika berlangsung lama, akan memicu timbulnya penyakit, jantung dan diabetes merupakan salah satu penyakit dengan angka kematian tertinggi di dunia maupun Indonesia, pencegahan dini perlu dilakukan. Dengan memanfaatkan kemajuan teknologi di segala bidang dan dengan adanya machine learning yang berkembang pesat, penulis ingin membandingkan dua metode yang sama-sama berbasis decision tree. Penelitian ini bertujuan untuk membandingan metode Random Forest dan AdaBoost dalam memprediksi dataset medis dengan menggunakan variasi banyaknya estimator (50,100,500) pada jenis klasifikasi biner dan mullti kelas. Penulis menggunakan 2 dataset yang diambil dari kaggle, dimana dataset 1 untuk penyakit jantung dan klasifikasi biner, dataset 2 untuk penyakit diabetes dan klasifikasi multikelas. Hasil penelitian ini, pada dataset 1, Random Forest menghasilkan akurasi dan F1-score tertinggi dengan 50 dan 500 estimator, masing-masing sebesar 0.9683 dan 0.9681. Peningkatan jumlah estimator pada Random Forest tidak memberikan dampak signifikan terhadap performa, bahkan cenderung stagnan. Sebaliknya, AdaBoost mengalami peningkatan performa secara bertahap seiring bertambahnya estimator, namun tetap berada di bawah performa Random Forest. Sementara itu, pada dataset 2, Random Forest dengan 50 estimator kembali menunjukkan hasil terbaik dengan nilai evaluasi mendekati sempurna (akurasi, presisi, recall, dan F1-score sebesar 0.9900). Penurunan sedikit terjadi pada estimator 100 dan 500. Di sisi lain, AdaBoost menunjukkan performa yang konsisten di semua variasi estimator dengan akurasi sebesar 0.9650, namun tidak menunjukkan peningkatan performa yang berarti.
URI
https://repo.itera.ac.id/depan/submission/SB2505310016
Keyword
AdaBoost Random Forest Klasifikasi Biner Klasifikasi Multikelas Confusion Matrix