![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
ABSTRAK Vina Nurmadani
PUBLIC Yati Rochayati ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
COVER Vina Nurmadani
PUBLIC Yati Rochayati ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
BAB 1 Vina Nurmadani
PUBLIC Yati Rochayati ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
BAB 2 Vina Nurmadani
PUBLIC Yati Rochayati ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
BAB 3 Vina Nurmadani
PUBLIC Yati Rochayati ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
BAB 4 Vina Nurmadani
PUBLIC Yati Rochayati ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
BAB 5 Vina Nurmadani
PUBLIC Yati Rochayati ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
PUSTAKA Vina Nurmadani
PUBLIC 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/.