Penerapan Random Forest Sebagai Sistem Pendukung Keputusan Diagnosis Dini Penyakit Tiroid

Abstrak

Penyakit tiroid merupakan salah satu gangguan endokrin yang memengaruhi metabolisme tubuh dan memerlukan diagnosis cepat serta akurat. Penelitian ini bertujuan mengimplementasikan algoritma Random Forest dalam mengklasifikasikan tingkat keparahan penyakit tiroid (low, medium, high) berdasarkan data pasien dari platform Kaggle yang berjumlah 383 sampel. Algoritma Random Forest dipilih karena kemampuannya dalam mengelola data dengan dimensi yang tinggi serta menghasilkan prediksi yang stabil dan akurat. Tahapan penelitian meliputi pengumpulan data, preprocessing, pemilihan fitur relevan, implementasi algoritma, serta evaluasi model menggunakan bahasa pemrograman Python. Model dievaluasi dengan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Random Forest mampu mengklasifikasikan tingkat keparahan penyakit tiroid dengan tingkat akurasi sebesar 82%, presisi 76%, recall 63%, dan F1-score 68%. Metode ini dapat menjadi alternatif efektif sebagai sistem pendukung keputusan bagi tenaga medis dalam diagnosis dini penyakit tiroid