digilib@itb.ac.id +62 812 2508 8800

ABSTRAK Vina Nurmadani
PUBLIC Open In Flip Book Yati Rochayati

COVER Vina Nurmadani
PUBLIC Open In Flip Book Yati Rochayati

BAB 1 Vina Nurmadani
PUBLIC Open In Flip Book Yati Rochayati

BAB 2 Vina Nurmadani
PUBLIC Open In Flip Book Yati Rochayati

BAB 3 Vina Nurmadani
PUBLIC Open In Flip Book Yati Rochayati

BAB 4 Vina Nurmadani
PUBLIC Open In Flip Book Yati Rochayati

BAB 5 Vina Nurmadani
PUBLIC Open In Flip Book Yati Rochayati

PUSTAKA Vina Nurmadani
PUBLIC Open In Flip Book Yati Rochayati

Penyakit kronis menjadi salah satu masalah penting di bidang kesehatan. Penanganan penyakit kronis harus dilakukan dengan cepat untuk meminimalkan risiko pasien, sehingga penting untuk diketahui dan diprediksi sejak awal agar kondisi pasien tidak memburuk. Penyakit kronis yang dibahas pada penelitian ini adalah penyakit kanker payudara, penyakit diabetes, penyakit jantung dan penyakit hati. Machine learning dimanfaatkan untuk membantu tenaga medis melakukan diagnosis yang cepat dan tepat. Model machine learning yang digunakan dalam penelitian ini adalah Algoritma Random Forest, Logistic Reggression, K-Nearest Neighbor, Decision Tree dan Gaussian Naïve Bayes dan model dievaluasi dengan accuracy, precision, sensitivity dan F1-Score. Hasil machine learning pada pengklasifikasian penyakit kanker payudara dengan tujuh parameter menunjukan bahwa algoritma Random Forest mempunyai accuracy sebesar 0.97, precision 0.92, sensitivity 1 dan F1-Score 0.96. Model algoritma Random Forest menjadi model terbaik untuk pengklasifikasian penyakit diabetes dengan semua parameter dan melakukan random over sampling mempunyai accuracy sebesar 0.86, precision 0.83, sensitivity 0.93 dan F1-Score 0.88. Pengklasifikasian penyakit jantung dengan semua parameter menunjukan bahwa model algoritma Logistic Regression mempunyai accuracy sebesar 0.79, precision 0.68, sensitivity 0.96 dan F1-Score 0.8. Pada pengklasifikasian penyakit hati dengan sembilan parameter dan melakukan random over sampling menunjukan bahwa model algoritma Random Forest mempunyai accuracy sebesar 0.84, precision 0.9, sensitivity 0.78 dan F1-Score 0.84. Hasil dari setiap pengklasifikasian penyakit diimplementasikan dalam aplikasi web AICare yang dikembangkan dengan streamlit yang dapat di akses pada https://aicaree.herokuapp.com/.