Text

Klasifikasi Jenis Sakit Kepala Menggunakan Algoritma Random Forest

---

ABSTRAK
Sakit kepala merupakan salah satu penyakit yang sangat sering dijumpai. Sebanyak 50%
penduduk dunia pernah mengalami sakit kepala. Sakit kepala primer sendiri memiliki
beberapa jenis yaitu migrain, tension, cluster, dan medication overuse. Diagnosis
menggunakan komputer dapat mempermudah penderita dalam mengetahui jenis sakit kepala
yang diderita tanpa perlu bertemu dengan dokter. Algoritma Random Forest digunakan
dalam penelitian ini untuk menghasilkan model yang dapat diandalkan untuk melakukan
klasifikasi terhadap jenis sakit kepala yang diderita. Dalam pembangunan model Random
Forest yang digunakan, dilakukan pengaturan secara manual terhadap beberapa parameter
untuk menghasilkan model Random Forest terbaik. Dataset yang digunakan untuk
membangun model Random Forest dalam penelitian ini adalah Migbase Dataset yang
kemudian dilakukan pra-pemrosesan terhadap dataset tersebut. Hasil yang diperoleh adalah
sebuah model Random Forest dengan kinerja terbaik memiliki nilai akurasi sebesar 99,56%.
Untuk mencapai model dengan akurasi 99,56% perlu dilakukan pengaturan secara manual
terhadap parameter n_estimators, max_features, dan max_depth. Dengan demikian, model
Random Forest terbaik yang dihasilkan dapat digunakan oleh dokter untuk melakukan
klasifikasi jika dokter tidak dapat melakukan klasifikasi dengan pasti dan dapat digunakan
oleh masyarakat umum untuk melakukan diagnosis dini agar dapat melakukan penanganan
yang tepat dan efisien.
Kata Kunci : Sakit Kepala Primer, Klasifikasi, Machine Learning, Random Forest

ABSTRACT
Headache disorder is one of the most often disorder. At least 50% of the world’s population
have experience headache. Primary headaches have several types, namely migraine,
tension, cluster, and medication overuse. Diagnosis using computer could help sufferers find
the type of the headache without the need to meet doctor. The Random Forest algorithm was
used in this study to produce a reliable model for classifying the types of headaches. In the
development of the Random Forest model that will be used, a number of parameters are
tunned manually to produce the best Random Forest model. The dataset used to develop the
Random Forest model in this study is the Migbase Dataset which is pre-processed before.
The results obtained are the Random Forest model with the best accuracy reaching 99,56%.
In order to reach the model with 99,56% accuracy, it is necessery to manually tunned the
value of a few parameters like n_estimators, max_features, and max_depth. Thus, the best
Random Forest model produced can be used by doctors to classify if doctors can’t classify
with certainly and also can be used by general public to carry out an early diagnosis in or
der to make an appropriate and efficient treatment.
Keyword : Primary Headache, Classification, Machine Learning, Random Forest

---

Ketersediaan

891F20IV

891 F 20-iv

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

ILMU KOMPUTER/INFORMATIKA

No. Panggil

891 F 20-iv

Penerbit

: ., 2020

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Dhiyaussalam

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar