Optimasi Fitur dengan Forward Selection pada Estimasi Tingkat Obesitas menggunakan Random Forest

Agung Bia Alpiansah; Yudi Ramdhani

doi:10.32520/stmsi.v12i3.3125

Optimasi Fitur dengan Forward Selection pada Estimasi Tingkat Obesitas menggunakan Random Forest

Agung Bia Alpiansah, Yudi Ramdhani

Abstract

Obesitas remaja di Indonesia sedang meningkat, karena kebiasaan makan yang buruk dan gaya hidup yang kurang gerak. Obesitas meningkatkan risiko masalah kesehatan yang serius seperti penyakit jantung, stroke, diabetes, dan lain-lain yang memerlukan tindakan segera. Obesitas berkembang ketika jumlah kalori yang dikonsumsi melebihi jumlah kalori yang dibakar. Obesitas telah menjadi masalah kesehatan masyarakat yang sangat besar di seluruh dunia. Menurut Organisasi Kesehatan Dunia, sekitar 1,9 miliar orang berusia 18 tahun ke atas mengalami kelebihan berat badan, dengan 600 juta orang mengalami obesitas. Menurut Survei Kesehatan dan Morbiditas Nasional, wanita 29,6% lebih mungkin mengalami obesitas dibandingkan pria, dibandingkan dengan 25% pria. Dataset rekam medis gagal jantung akan ditangani dalam dua tahap percobaan berdasarkan validasi. Empat algoritma klasifikasi yang berbeda, termasuk Random Forest, K-Nearest Neighbor, Decision Tree, dan Naive Bayes, akan dicoba pada langkah pertama. Untuk Testing, metode Cross Validation yang menggunakan Random Forest mengungguli empat algoritma lainnya dalam Testing algoritma. Setelah Testing, metode algoritma Random Forest menghasilkan nilai akurasi tertinggi, dan dievaluasi kembali menggunakan Split Validation dan rasio split yang bervariasi dengan Forward Selection sebagai fitu seleksi. Hanya Testing yang menggunakan metode Forward Selection mengungguli Testing yang menggunakan algoritma Random Forest.

Full Text:

PDF

References

R. T. Aldisa, S. Alfarisi, and M. A. Abdullah, “Penerapan Metode Naïve Bayes Dalam Mendiagnosa Penyakit Leptospirosis,” J. Comput. Syst. Informatics, vol. 3, no. 4, pp. 521–526, 2022, doi: 10.47065/josyc.v3i4.2205.

Y. Susindra et al., “Pengaruh Media Pembelajaran Infografis Berbasis Aplikasi Android Terhadap Tingkat Pengetahuan Mengenai Obesitas Pada Remaja Putri,” vol. 4, no. 2, pp. 81–86, 2023.

A. H. Santoso et al., “Penapisan Hiperuresemia dan Obesitas Pada Remaja di Jakarta Barat,” vol. 3, no. 2, 2023.

R. Forest, “KLASIFIKASI DATA MINING DENGAN ALGORITMA MACHINE LARNING UNTUK PREDIKSI PENYAKIT LIVER,” vol. 14, no. 2, 2023.

L. Sari, A. Romadloni, and R. Listyaningrum, “Penerapan Data Mining dalam Analisis Prediksi Kanker Paru Menggunakan Algoritma Random,” vol. 14, no. 01, pp. 155–162, 2023, doi: 10.35970/infotekmesin.v14i1.1751.

D. Random et al., “Komparasi Performansi Algoritma Pengklasifikasi KNN , Bagging,” pp. 367–372, 2021.

M. A. C, “Klasifikasi Penderita Penyakit Diabetes Berdasarkan Decision Tree,” no. Widyasari 2017, pp. 80–89, 2019.

Y. Ramdhani, “Komparasi Algoritma LDA Dan Naïve Bayes Dengan Optimasi Fitur Untuk Klasifikasi Citra Tunggal Pap Smear,” Informatika, vol. II, no. 2, pp. 434–441, 2015, [Online]. Available: https://ejournal.bsi.ac.id/ejurnal/index.php/ji/article/view/130%0Ahttps://ejournal.bsi.ac.id/ejurnal/index.php/ji/article/download/130/105

E. N. Candra, I. Cholissodin, and R. C. Wihandika, “Klasifikasi Status Gizi Balita menggunakan Metode Optimasi Random Forest dengan Algoritme Genetika ( Studi Kasus : Puskesmas Cakru ),” vol. 6, no. 5, pp. 2188–2197, 2022.

R. Sistem, “JURNAL RESTI Analisis Perbandingan Algoritma Optimasi pada Random Forest untuk,” vol. 1, no. 10, pp. 187–192, 2021.

M. R. Fanani, “Algoritma Naïve Bayes Berbasis Forward Selection Untuk Prediksi Bimbingan Konseling Siswa,” J. DISPROTEK, vol. 11, no. 1, pp. 13–22, 2020, doi: 10.34001/jdpt.v11i1.952.

M. R. Fanani, “Penggabungan Forward Selection untuk Pemilihan Fitur pada Prediksi Bimbingan Konseling Siswa dengan Menggunakan Algoritma Naive Bayes,” Smart Comp Jurnalnya Orang Pint. Komput., vol. 9, no. 2, pp. 85–88, 2020, doi: 10.30591/smartcomp.v9i2.1924.

H.- Harafani, “Forward Selection pada Support Vector Machine untuk Memprediksi Kanker Payudara,” J. Infortech, vol. 1, no. 2, pp. 131–139, 2020, doi: 10.31294/infortech.v1i2.7398.

W. Muslehatin and M. Ibnu, “Penerapan Naïve Bayes Classification untuk Klasifikasi Tingkat Kemungkinan Obesitas Mahasiswa Sistem Informasi UIN Suska Riau,” Semin. Nas. Teknol. Informasi, Komun. dan Ind., pp. 2579–5406, 2017.

A. Nurmasani and Y. Pristyanto, “Algoritme Stacking Untuk Klasifikasi Penyakit Jantung Pada Dataset Imbalanced Class,” Pseudocode, vol. 8, no. 1, pp. 21–26, 2021, doi: 10.33369/pseudocode.8.1.21-26.

S. Devella, Y. Yohannes, and F. N. Rahmawati, “Implementasi Random Forest Untuk Klasifikasi Motif Songket Palembang Berdasarkan SIFT,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 7, no. 2, pp. 310–320, 2020, doi: 10.35957/jatisi.v7i2.289.

P. Rosyani, S. Saprudin, and R. Amalia, “Klasifikasi Citra Menggunakan Metode Random Forest dan Sequential Minimal Optimization (SMO),” J. Sist. dan Teknol. Inf., vol. 9, no. 2, p. 132, 2021, doi: 10.26418/justin.v9i2.44120.

N. M. Putry, “Komparasi Algoritma Knn Dan Naïve Bayes Untuk Klasifikasi Diagnosis Penyakit Diabetes Mellitus,” EVOLUSI J. Sains dan Manaj., vol. 10, no. 1, 2022, doi: 10.31294/evolusi.v10i1.12514.

U. Erdiansyah, A. Irmansyah Lubis, and K. Erwansyah, “Komparasi Metode K-Nearest Neighbor dan Random Forest Dalam Prediksi Akurasi Klasifikasi Pengobatan Penyakit Kutil,” J. Media Inform. Budidarma, vol. 6, no. 1, p. 208, 2022, doi: 10.30865/mib.v6i1.3373.

Qadrini L, Sepperwali A, and Aina A, “Decision Tree dan Adaboostpada Klasifikasi Penerima Program Bantuan Sosial,” Decis. Tree Dan Adab. Pada Klasifikasi Penerima Progr. Bantu. Sos., vol. 2, no. 7, pp. 1959–1966, 2021.

M. Rizal, M. Z. Syahaf, S. R. Priyambodo, and Y. Rhamdani, “Optimasi Algoritma Naïve Bayes Menggunakan Forward Selection Untuk Klasifikasi Penyakit Ginjal Kronis,” Naratif J. Nas. Riset, Apl. dan Tek. Inform., vol. 5, no. 1, pp. 71–80, 2023, doi: 10.53580/naratif.v5i1.200.

A. Fauzi and Tukiyat, “Analisis Potensi Dana Retail pada Nasabah PT . Bank Tabungan Negara ( Persero ), Tbk . Dengan Metode Decision Tree dan Naive Bayes Berbasis Optimize Selection ( Evolutionary ),” J. Adm. Dan Manjemen, vol. 9, no. 1, pp. 30–36, 2019.

K. F. Irnanda, A. P. Windarto, and I. S. Damanik, “Optimasi Particle Swarm Optimization Pada Peningkatan Prediksi dengan Metode Backpropagation Menggunakan Software RapidMiner,” JURIKOM (Jurnal Ris. Komputer), vol. 9, no. 1, p. 122, 2022, doi: 10.30865/jurikom.v9i1.3836.

S. Agustin et al., “Optimasi Feature Selection Menggunakan Algoritma Neural Network Untuk Klasifikasi Brain Stroke,” J. Penelit. Rumpun Ilmu Tek., vol. 2, no. 3, pp. 66–74, 2023, [Online]. Available: https://doi.org/10.55606/juprit.v2i3.2009

S. Hidayatulloh et al., “Penggunaan Otimasi Atribut Dalam Peningkatan Akurasi,” vol. 9, no. 1, pp. 54–61, 2023.

E. Nurlia and U. Enri, “Penerapan Fitur Seleksi Forward Selection Untuk Menentukan Kematian Akibat Gagal Jantung Menggunakan Algoritma C4.5,” J. Tek. Inform. Musirawas) Elin Nurlia, vol. 6, no. 1, p. 42, 2021.

T. B. Sasongko and O. Arifin, “Implementasi Metode Forward Selection pada Algoritma Support Vector Machine (SVM) dan Naive Bayes Classifier Kernel Density (Studi Kasus Klasifikasi Jalur Minat SMA),” J. Teknol. Inf. dan Ilmu Komput., vol. 6, no. 4, pp. 383–388, 2019, doi: 10.25126/jtiik.201961000.

DOI: https://doi.org/10.32520/stmsi.v12i3.3125

Article Metrics

Abstract view : 338 times
PDF - 182 times

Refbacks

There are currently no refbacks.

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Username
Password
Remember me