ANALISA MODEL KLASIFIKASI TINGKAT KEMATIAN DI ICU DENGAN RANDOM FOREST DAN NEURAL NETWORK

LYMIN, ALVIN, BODHI LHOARDI, DARWIS, JOSEP SIAHAAN (2023) ANALISA MODEL KLASIFIKASI TINGKAT KEMATIAN DI ICU DENGAN RANDOM FOREST DAN NEURAL NETWORK , SKRIPSI, UNIVERSITAS PRIMA INDONESIA

ABSTRAK

Berdasarkan hasil studi sebelumnya, penelitian tentang machine learning untuk memprediksi pasien ICU penting karena dapat membantu dokter dalam mengidentifikasi individu berisiko tinggi. Akurasi yang tinggi pada model machine learning pun diperlukan agar dapat membantu dokter dalam mengambil keputusan yang tepat. Dalam penelitian ini, model machine learning dibuat dengan dua model, yaitu Random Forest dan Artificial Neural Network (ANN), untuk memprediksi kematian pasien di ruangan ICU. Data pasien diperoleh dari The Global OpenSource Severity of Illness Score (GOSSIS) dan melalui proses preprocessing untuk mengatasi masalah missing value dan imbalanced data. Data tersebut kemudian dibagi menjadi data training, validation, dan testing untuk melakukan pelatihan dan pengujian model. Hasil dari penelitian menunjukkan bahwa model Random Forest memiliki performa lebih baik dengan akurasi sebesar 93% pada data testing dibandingkan dengan ANN yang hanya menghasilkan akurasi 86% pada data testing. Dengan demikian, model Random Forest dapat digunakan sebagai solusi dalam memprediksi kematian pasien di ruangan ICU.

JURNAL