Komparasi Algoritma Random Forest Dan Decision TreeUntuk Memprediksi Keberhasilan Immunotheraphy

Jurnal Teknologi dan Manajemen Informatika

Fandi Yulian Pamuji¹  Viry Puspaning Ramadhan¹ 

[1] Universitas Dian Nuswantoro Semarang;

关键词: data mining;    penyakit kutil;    immunotheraphy;    random forest;    decision tree;   

DOI  :  10.26905/jtmi.v7i1.5982

来源: DOAJ

【 摘 要 】

Menjaga kesehatan merupakan tugas pada diri kita sendiri sebagai manusia, dengan tubuh yang sehat kita dapat melakukan aktifitas dan produktifitas kita sehari-hari. Kesehatan adalah keadaan seimbang yang dinamis, dipengaruhi faktor genetik, lingkungan dan pola hidup sehari-hari seperti makan, minum, kerja, dan istirahat. Immunotherapy merupakan metode pengobatan untuk mengobati penyakit kanker kulit yang dimana metode ini meningkatkan sistem kekebalan tubuh untuk mengatasi penyakit kutil. Immunotherapy merupakan pengobatan efektif untuk penyakit kutil. Metode ini memiliki respon yang lebih baik membutuhkan lebih sedikit sesi, dan mampu mengobati kutil yang sudah lama. Berdasarkan hasil pengujian metode Random Forest dan Decision Tree terhadap prediksi keberhasilan pengobatan imunoterapi untuk penyakit kutil menggunakan bahasa Python, maka dapat diambil kesimpulan bahwa hasil pengujian metode Decision Tree masih terdapat prediksi yang tidak tepat dengan tingkat akurasi 84,4 % kemudian metode Random Forest prediksinya tepat dengan tingkat akurasi 85,5 %. Hasil pengujian tersebut menunjukkan bahwa metode Random Forest merupakan metode yang lebih unggul dibandingkan dengan metode Decision Tree.

【 授权许可】

Unknown