SISTEM KLASIFIKASI ANEMIA DEFISIENSI BESI MENGGUNAKAN ALGORITMA RANDOM FOREST

Abstrak

Anemia defisiensi besi (ADB) merupakan salah satu kondisi kesehatan yang dapat memengaruhi kualitas hidup dan produktivitas masyarakat. Parameter pemeriksaan darah seperti hemoglobin (HGB), Mean Corpuscular Volume (MCV), Mean Corpuscular Hemoglobin (MCH), dan Mean Corpuscular Hemoglobin Concentration (MCHC) menghasilkan data numerik yang berpotensi dianalisis menggunakan pendekatan machine learning untuk membantu proses klasifikasi kondisi anemia. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi anemia defisiensi besi menggunakan algoritma Random Forest berdasarkan parameter pemeriksaan darah. Dataset yang digunakan merupakan dataset sekunder yang diperoleh dari Kaggle dengan jumlah 15.300 sampel dan lima fitur prediktor. Selanjutnya, data dibagi menjadi 80% data latih dan 20% data uji. Proses pemodelan dilakukan menggunakan algoritma Random Forest dengan penyesuaian parameter (hyperparameter tuning) secara manual untuk memperoleh konfigurasi model terbaik. Hasil pengujian menunjukkan bahwa model terbaik diperoleh pada konfigurasi n_estimators = 50 dan max_depth = 5 dengan skenario pembagian data 80:20. Model tersebut menghasilkan akurasi sebesar 92,48%, precision sebesar 0,81, recall sebesar 0,94, F1-score sebesar 0,87, serta nilai Area Under Curve (AUC) sebesar 0,98, yang menunjukkan kemampuan klasifikasi yang sangat baik dalam membedakan kelas ADB dan Tidak-ADB. Model kemudian diimplementasikan dalam aplikasi berbasis web dan diuji menggunakan black box testing serta User Acceptance Test (UAT). Sistem yang dikembangkan berfungsi sebagai alat bantu klasifikasi berbasis data dan tidak dimaksudkan sebagai pengganti diagnosis medis. Kata kunci: Anemia Defisiensi Besi, Random Forest, Machine Learning, Sistem Klasifikasi, Evaluasi Model.

Berkas

Detail