Iftahul Fadhlan Primary Author mixed material bibliography Banda Aceh Fakultas mipa 2025 id Indonesia

Skripsi

Penyakit jantung merupakan salah satu penyebab kematian tertinggi di dunia dan menjadi isu penting dalam bidang kesehatan global. Deteksi dini penyakit ini menjadi sangat krusial untuk mencegah komplikasi yang lebih serius. Oleh karena itu, diperlukan sistem prediksi yang akurat untuk mendeteksi potensi penyakit jantung. Penelitian ini bertujuan untuk membangun model prediksi penyakit jantung dengan menggunakan teknik ensemble yang menggabungkan algoritma Random Forest dan CatBoost. Metode penelitian mencakup pengumpulan data dari sumber terbuka, pemrosesan data, exploratory data analysis (EDA), pembagian data, serta penyeimbangan data menggunakan metode Synthetic Minority Over-sampling Technique (SMOTE). Model dilatih dengan pendekatan individual dan ensemble, kemudian dievaluasi berdasarkan akurasi dan metrik performa lainnya. Penelitian ini mengevaluasi kinerja berbagai model prediksi penyakit jantung, termasuk Random Forest, CatBoost, dan model ensemble, dengan membandingkan akurasi pada data pelatihan dan pengujian. Hasil evaluasi menunjukkan bahwa model Random Forest memberikan performa terbaik setelah dilakukan seleksi fitur menggunakan feature importance dan pelatihan dengan konfigurasi: n_estimators = 500, max_depth = 25, min_sample_split = 2, min_samples_leaf = 2, max_features = log2, class_weight = balanced, random_state = 42. Meskipun model CatBoost dan model ensemble juga menunjukkan hasil yang kompetitif, Random Forest tetap unggul dalam hal akurasi dan stabilitas performa. Kata kunci :penyakit jantung, random forest, catboost, ensemble. ALGORITHMS - COMPUTER PROGRAMMING HEARTH DISEASES - MEDICINE 005.1 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 1703519 2025-10-16 17:38:30 2025-10-17 10:58:52 machine generated