PENERAPAN OPTIMASI ALGORITMA RANDOM FOREST MENGGUNAKAN GENETIC ALGORITHM PADA KLASIFIKASI PENYAKIT GINJAL KRONIS
Penyakit ginjal kronis (PGK) merupakan salah satu masalah kesehatan gangguan fungsi ginjal yang terjadi secara bertahap dan sulit terdeteksi pada tahap awal. Sehingga, diperlukan sistem yang mampu membantu proses deteksi dini berbasis data klinis. Penelitian ini bertujuan untuk membangun model klasifikasi penyakit ginjal kronis menggunakan algoritma Random Forest yang dioptimasi dengan metode Genetic Algorithm (GA), serta mengimplementasikannya ke dalam sistem berbasis web. Dataset yang digunakan terdiri dari 400 data pasien dari UCI Machine Learning Repository. Data diproses melalui tahap preprocessing, penanganan missing value, encoding, dan penyeimbangan kelas menggunakan metode SMOTE. Data dibagi menjadi 360 data latih untuk validasi menggunakan Stratified k-fold Cross Validation sebanyak 5 fold, dan 40 data uji baru. Optimasi dilakukan terhadap parameter Random Forest, seperti N_estimators, Max_depth, Min_samples_split, dan Min_samples_leaf. Hasil evaluasi menunjukkan bahwa model hasil optimasi menghasilkan akurasi rata-rata 0,98, Precision 0,99, Recall 0,98, dan f1-score 0,98. Model terbaik diimplementasikan ke dalam sistem berbasis web yang memudahkan pengguna dalam melakukan input data klinis dan memperoleh hasil deteksi. Hasil pengujian menunjukkan bahwa sistem dapat berjalan sesuai harapan dan mampu melakukan klasifikasi data uji baru dengan akurasi sebesar 0,97
URI
https://repo.itera.ac.id/depan/submission/SB2509110019
Keyword
Penyakit Ginjal Kronis Random Forest Genetic Algorithm Klasifikasi Sistem Berbasis Web