Studi Literatur: Klasifikasi Penyakit Stroke Berdasarkan Fitur Media Menggunakan Random Forest
Keywords:
Penyakit Stroke, Fitur Media, Random Forest, Algoritma KlasifikasiAbstract
Stroke adalah salah satu penyebab utama kematian dan kecacatan di dunia, sehingga diperlukan metode yang efektif untuk diagnosis dan prediksi penyakit ini. Penelitian ini bertujuan mengembangkan model klasifikasi stroke menggunakan algoritma Random Forest yang mampu menangani data besar dan kompleks. Data pasien dari berbagai sumber dianalisis untuk mengidentifikasi fitur utama yang berkontribusi pada risiko stroke. Model Random Forest menunjukkan akurasi tinggi, mencapai 99% dalam beberapa pengujian, dengan sensitivitas dan spesifisitas yang memuaskan. Pemilihan fitur dengan metode seperti Mutual Information terbukti meningkatkan kinerja model secara signifikan. Hasil penelitian ini menunjukkan bahwa Random Forest dapat menjadi alat efektif untuk klasifikasi stroke, mendukung diagnosis dan perawatan pasien secara cepat, serta mendorong pengembangan aplikasi berbasis teknologi untuk membantu dokter menangani stroke lebih efisien.
References
(WHO), W. H. (n.d.). Stroke, Cerebrovascular accident.
Aji, P. W., Suprianto, & R. D. (2023). Prediksi Penyakit Stroke Menggunakan Metode Random Forest.
Akbar Firman, H. S., A. M., M. H., & Rahmaddeni. (2022). Implementasi Algoritma Decision Tree C4.5 dan Support Vector Regression untuk Prediksi Penyakit Stroke.
Amelia, U., J. I., & A. F. (2022). Implementasi Algoritma Support Vector Machine (SVM) untuk Prediksi Peyakit Stroke dengan Atribut Berpengaruh.
Batubara, P. M., I. A., S. S., & F. S. (2023). Klasifikasi Penyakit Stroke Jaringan Syaraf Tiruan Menerapkan Metode Learning Vector Quantization.
Gunadi, I. A., M. A., A. D., A. A., & P. R. (2022). Mendiagnosa Penyebab Penyakit Stroke Pada Pasien Menggunakan Metode Backward Chaining.
Iskandar, N. A., I. E., & Y. W. (2022). Klasifikasi Diagnosis Penyakit Stroke Dengan Menggunakan Metode Random Forest.
Majid, A. M., & I. N. (2023). Implementasi Algoritma Klasifikasi dengan Teknik Discretization dan Bagging untuk Meningkatkan Akurasi Prediksi Penyakit Stroke.
P. Rosyani, Saprudin, & R. A. (2021). Klasifikasi Citra Menggunakan Metode Random Forest dan Sequential Minimal Optimization(SMO).
P. Rosyani, M. Taufik, A. A. Waskita, and D. H. Apriyanti, "Comparison of color model for flower recognition," in 2018 3rd International Conference on Information Technology, Information System and Electrical Engineering (ICITISEE), 2019, pp. 10-14
