Literatur Review: Penerapan Algoritma Random Forest untuk Klasifikasi Penyakit Diabetes
Keywords:
Penyakit diabetes, Klasifikasi, Deteksi dini, Random ForestAbstract
Penyakit diabetes ini adalah sebuah penyakit kronis yang banyak diderita dan di alami oleh semua kalangan usia. Penyakit diabetes ini salah satu penyebab angka kematian yang tinggi dan jarang terdeteksi secara dini oleh tubuh yang terkena diabetes ini. Oleh karena itu mendiagnosa penyakit diabetes dini sangat krusial untuk menurunkan dari resiko kompilasi dan meningkatkan pemulihannya. Tujuan dari penelitian ini adalah untuk mengembangkan sebuah model dari klasifikasi penyakit diabetes dengan menerapkannya algoritma Random Forest. Model ini juga bertujuan untuk bisa mengklasifikasi beberapa dari gejala awal penyakit diabetes seperti dari garis keturunan, kadar gula darah yang tinggi, hipertensi dan berat badan berlebihan. Hasil dari penelitian ini dapat berkontribusi pada dokter dan tenaga kesehatan serta masyarakat umum untuk mendeteksi penyakit diabetes sejak dini.
References
R. Andanika Siallagan, (2021). “PREDIKSI PENYAKIT DIABETES MELLITUS MENGGUNAKAN ALGORITMA C4.5,” J.RESPONSIF, vol. 3, no. 1, pp. 44 – 52.
N. M. Putry, (2022). “Komparasi Algoritma Knn Dan Naïve Bayes Untuk Klasifikasi Diagnosis Penyakit Diabetes Mellitus,” EVOLUSI J. Sains dan Manaj., vol. 10, no. 1.
E. C. Johns, F. C. Denison, J. E. Norman, dan R. M. Reynolds, (2018). “Gestational Diabetes Mellitus: Mechanisms, Treatment, and Complications,” Trends in Endocrinology & Metabolism.
C. C. Olisah, L. Smith, dan M. Smith, (2022). “Diabetes mellitus prediction and diagnosis from a data preprocessing and machine learning perspective,” Comput Methods Programs Biomed.
C. Z. V. Junus, T. Tarno, dan P. Kartikasari, (2023). “Klasifikasi Menggunakan Metode Support Vector Machine Dan Random Forest Untuk Deteksi Awal Risiko Diabetes Melitus,” Jurnal Gaussian, vol. 11, no. 3, hlm. 386 – 396.
Putri, S. U., Irawan, E., & Rizky, F. (2021). Implementasi Data Mining Untuk Prediksi Penyakit Diabetes Dengan Algoritma C4. 5. Kesatria: Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen).
Nugraha, W., & Sabaruddin, R. (2021). Teknik Resampling untuk Mengatasi Ketidakseimbangan Kelas pada Klasifikasi Penyakit Diabetes Menggunakan C4. 5, Random Forest, dan SVM.
A. Primajaya dan B. N. Sari, (2018). “Random Forest Algorithm for Prediction of Precipitation,” Indones. J. Artif. Intell. Data Min.
A. Pinandito, S. A. Wicaksono, dan S. H. Wijoyo, (2023). “Implementasi Machine Learning Dalam Deteksi Risiko Tinggi Diabetes Melitus Pada Kehamilan”.
Rianti Nurpalah, Meti Kusmiati, Meri Meri, Hendro Kasmanto, dan Dina Ferdiani, (2023). “Deteksi Dini Diabetes Melitus Gestasional (Dmg) Melalui Pemeriksaan Glukosa Darah Sebagai Upaya Pencegahan Komplikasi Pada Ibu Hamil,.”.
Rosyani Perani, dkk, (2021). “Klasifikasi Citra menggunakan Metode Random Forest dan Sequential Minimal Optimazation (SMO)” : JUSTIN ( Jurnal Sistem dan Teknologi Informasi),
Rosyani Perani, dkk, (2023). “Literature Review : Implementasi Sistem Pakar untuk Diagnosa Penyakit Diabetes menggunakan Metode Fuzzy”, BINER : Jurnal Ilmu Komputer, Teknik dan Multimedia, (Juni, 2023).
Wasis Haryono, Nida Fitrillah. (2022). “Sistem Informasi Perhitungan Kebutuhan Gizi Ibu Hamil menggunakan Metode Harris Benedict”, OKTAL : Jurnal Ilmu Komputer dan Sains, (November, 2022).
Hadi Zakaria, Triani Krismonica Ningsih, (2023). “ Implementasi Algoritma K- Nearest Neighbor pada Sistem Deteksi Penyakit Jantung : Studi kasus: Klinik Makmur Jaya”, LOGIC : Jurnal Ilmu Komputer dan Pendidikan, (Desember, 2023).
Fajar Agung Nugroho, Wahyu Santoso, (2024). “ Penerapan Sistem Penjualan Makanan berbasis Android Kotlin dengan Metode Prototype”, OKTAL: Jurnal Ilmu Komputer dan Sains, (September, 2024).
