Random Forest Dengan Random Search Terhadap Ketidakseimbangan Kelas Pada Prediksi Gagal Jantung

Prediksi keberlangsungan hidup pasien gagal jantung telah dilakukan pada penelitian untuk mencari tahu tentang kinerja, akurasi, presisi dan performa dari model prediksi ataupun metode yang digunakan dalam penelitian, dengan menggunakan dataset heart failure clinical records. Namun ini memiliki permasalahan yaitu bersifat tidak seimbang dapat menurunkan kinerja karena cenderung menghasilkan kelas mayoritas. Pada pendekatan level algoritma mengatasi ketidakseimbangan teknik bagging Random Forest lalu digabungkan Hyper-Parameter Tuning agar dihasilkan menjadi lebih baik. Selanjutnya dilatih dibandingkan lain, hasilnya menunjukkan bahwa Search Hyper Parameter-Tuning mencapai nilai AUC sebesar 0,906 tanpa memperoleh 0,866. Prediction of the survival patients has been carried out in research to find about performance, accuracy, precision and performance prediction or method used study, using records dataset. However, this a problem, namely being unbalanced which can reduce because it tends produce predictions for majority class. This study uses an algorithm approach overcome class imbalance, technique with then combined so that resulting is better. Then was trained compared other methods, results showed achieved value without 0,866 obtained.