eprintid: 31655
rev_number: 15
eprint_status: archive
userid: 12
dir: disk0/00/03/16/55
datestamp: 2026-02-26 02:11:05
lastmod: 2026-02-26 02:11:05
status_changed: 2026-02-26 02:11:05
type: thesis
metadata_visibility: show
creators_name: SYAFRIZAL, M.MAULUD
creators_nim: 22.11.5184
contributors_name: Setiaji, Bayu
corp_creators: Universitas AMIKOM Yogyakarta
title: PREDIKSI DAN ANALISIS SKOR KESEHATAN MENGGUNAKAN METODE REGRESI DENGAN SELEKSI FITUR RECURSIVE FEATURE ELIMINATION (RFE)
ispublished: unpub
subjects: 000.000.004
divisions: if
full_text_status: restricted
keywords: kesehatan, prediksi, regresi, RFE, web. health, prediction, regression, RFE, web.
abstract: Mechine Learning merupakan cabang kecerdasan buatan yang mampu mengolah
data berukuran besar untuk menemukan  pola, melakukan klasifikasi, serta
prediksi, dan telah banyak dimanfaatkan dalam bidang kesehatan untuk
menganalisis data yang kompleks guna mendukung deteksi dini risiko penyakit
serta pengambilan keputusan berbasis data. Dalam konteks kesehatan Masyarakat,
penyakit tidak menular (PTM) seperti hipertensi dan diabetes melitus menjadi isu
global sekaligus ancaman serius bagi indonesia, di mana prevalensinya masingmasing

mencapai 34,1% dan 10,9% berdasarkan Riskesdas 2018. Rendahnya
kesadaran masyarakat terhadap pentingnya deteksi dini serta keterbatasan akses
layanan kesehatan menunjukan perlunya pendekatan berbasis teknologi dalam
upaya pencegahan. Namun, penelitian yang memanfaatkan metode regresi dengan
seleksi fitur Recursive Feature Elimination (RFE) untuk memprediksi skor
kesehatan individu masih terbatas, khususnya pada populasi indonesia. Oleh
Karena itu, penelitian ini  mengembangkan model prediksi skor kesehatan
mengunakan regresi yang dipadukan dengan RFE untuk memilih fitur paling
relevan berdasarkan gaya hidup dan kondisi fisik seperti usia, indeks massa tubuh,
frekuensi olahraga, kualitas diet, jam tidur, status merokok, dan konsumsi alkohol.
Model ini menunjukkan performa prediksi yang baik dengan nilai Mean Squared
Error (MSE) sebesar 22.75 dan R Squared (R²) sebesar 0.883, yang berarti mampu
menjelaskan sekitar 88,3% variasi data aktual. Hasil penelitian ini diharapkan
dapat menjadi dasar pengembangan platform berbasis web yang membantu
masyarakat memantau kondisi kesehatannya secara cepat, praktis, dan akurat
untuk mendukung strategi pencegahan PTM di Indonesia.
date: 2025-11-18
date_type: published
institution: Universitas AMIKOM Yogyakarta
department: Fakultas Ilmu Komputer
thesis_type: bachelor
thesis_name: skripsi
citation:   SYAFRIZAL, M.MAULUD  (2025) PREDIKSI DAN ANALISIS SKOR KESEHATAN MENGGUNAKAN METODE REGRESI DENGAN SELEKSI FITUR RECURSIVE FEATURE ELIMINATION (RFE).  S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.   
document_url: https://eprints.amikom.ac.id/id/eprint/31655/1/COVER.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31655/2/BAB%20I.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31655/3/BAB%20II.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31655/4/BAB%20III.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31655/5/BAB%20IV.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31655/6/BAB%20V.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31655/7/Daftar%20Pustaka.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31655/8/Source%20Code%20-%2022.11.5184.zip
document_url: https://eprints.amikom.ac.id/id/eprint/31655/9/Publikasi.pdf