KOMPARASI ALGORITMA MENGGUNAKAN RANDOM FOREST DAN SUPPORT VECTOR MACHINE PADA DATASET KEMATIAN AKIBAT GAGAL JANTUNG

OESMAN, DAREFF DANNY and ZUFAR, KHALIL and JULIUS H, WICAKSANA THREE (2025) KOMPARASI ALGORITMA MENGGUNAKAN RANDOM FOREST DAN SUPPORT VECTOR MACHINE PADA DATASET KEMATIAN AKIBAT GAGAL JANTUNG. S1 thesis, Universitas Mercu Buana - Buncit.

Preview	Text (COVER) 41820010043 - Dareff Danny Oesman - 01 Cover.pdf Download (224kB) | Preview
	Text (BAB 1) 41820010043 - Dareff Danny Oesman - 02 Bab 1.pdf Restricted to Registered users only Download (82kB)
	Text (BAB 2) 41820010043 - Dareff Danny Oesman - 03 Bab 2.pdf Restricted to Registered users only Download (189kB)
	Text (BAB 3) 41820010043 - Dareff Danny Oesman - 04 Bab 3.pdf Restricted to Registered users only Download (100kB)
	Text (BAB 4) 41820010043 - Dareff Danny Oesman - 05 Bab 4.pdf Restricted to Registered users only Download (500kB)
	Text (BAB 5) 41820010043 - Dareff Danny Oesman - 06 Bab 5.pdf Restricted to Registered users only Download (71kB)
	Text (DAFTAR PUSTAKA) 41820010043 - Dareff Danny Oesman - 07 Daftar Pustaka.pdf Restricted to Registered users only Download (90kB)
	Text (LAMPIRAN) 41820010043 - Dareff Danny Oesman - 08 Lampiran.pdf Restricted to Registered users only Download (243kB)

Abstract

Gagal jantung merupakan salah satu penyebab utama kematian dunia, dengan 17,9 juta kematian akibat penyakit kardiovaskular tercatat pada tahun 2019. Penelitian ini bertujuan untuk membandingkan keakuratan prediksi kematian akibat gagal jantung antara dua algoritma machine learning, yaitu Random Forest dan Support Vector Machine (SVM). Penelitian ini diharapkan dapat memberikan kontribusi yang dapat membantu para profesional medis dalam pengambilan keputusan yang lebih baik di dunia medis. Penelitian ini menggunakan dataset yang berasal dari platform Kaggle, yang berisi data tentang pasien dengan risiko gagal jantung, dan data tersebut diolah melalui beberapa tahap seperti pre processing diantaranya, data cleaning, data scaling dan pengurangan data. Algoritma Random Forest dan SVM diterapkan pada data yang diolah dan kinerjanya dievaluasi menggunakan Confusion Matrix untuk mengukur akurasi, presisi, recall dan F1 Score. Hasil penelitian menunjukan bahwa algoritma Random Forest memiliki tingkat akurasi yang lebih tinggi daripada SVM.

Item Type:	Thesis (S1)
NIM/NIDN Creators:	41820010043, 41820010074, 41820010079
Uncontrolled Keywords:	Heart Failure, Machine Learning, Death Prediction
Subjects:	000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 006 Special Computer Methods/Metode Komputer Tertentu > 006.3 Artificial Intelligence/Kecerdasan Buatan > 006.31 Machine Learning/Pembelajaran Mesin 600 Technology/Teknologi > 610 Medical, Medicine, and Health Sciences/Ilmu Kedokteran, Ilmu Pengobatan dan Ilmu Kesehatan > 616 Diseases/Penyakit
Divisions:	Fakultas Ilmu Komputer > Sistem Informasi
Depositing User:	Rifky
Date Deposited:	14 Jan 2025 03:03
Last Modified:	15 Jan 2025 04:48
URI:	http://repository.mercubuana.ac.id/id/eprint/93543

Actions (login required)

View Item