{
      "subjects": [
        "000.000.000A"
      ],
      "thesis_name": "tesis",
      "datestamp": "2026-06-29 03:36:15",
      "status_changed": "2026-06-29 03:36:15",
      "institution": "Universitas AMIKOM Yogyakarta",
      "eprintid": 31781,
      "divisions": [
        "mti"
      ],
      "dir": "disk0\/00\/03\/17\/81",
      "full_text_status": "public",
      "documents": [
          {
            "uri": "http:\/\/eprints.amikom.ac.id\/id\/document\/319563",
            "files": [
                {
                  "fileid": 1131388,
                  "uri": "http:\/\/eprints.amikom.ac.id\/id\/file\/1131388",
                  "objectid": 319563,
                  "filesize": 5179192,
                  "mtime": "2026-06-29 03:29:25",
                  "mime_type": "application\/pdf",
                  "datasetid": "document",
                  "hash": "24282fec69386ebd882abb00dd8c30ef",
                  "hash_type": "MD5",
                  "filename": "23.51.2530 - Harumawan Jatiprasetya.pdf"
                }
            ],
            "language": "id",
            "security": "public",
            "docid": 319563,
            "placement": 1,
            "format": "text",
            "main": "23.51.2530 - Harumawan Jatiprasetya.pdf",
            "rev_number": 2,
            "pos": 1,
            "eprintid": 31781,
            "mime_type": "application\/pdf",
            "formatdesc": "THESIS",
            "content": "published"
          }
      ],
      "corp_creators": [
        "Universitas AMIKOM Yogyakarta"
      ],
      "contributors": [
        {
          "name": {
            "family": "Utami",
            "honourific": null,
            "given": "Ema",
            "lineage": null
          }
        }
      ],
      "type": "thesis",
      "userid": 12,
      "rev_number": 7,
      "title": "PEMBELAJARAN MESIN UNTUK PREDIKSI STROKE\r\nBERDASARKAN RANDOM FOREST DAN SHAP",
      "lastmod": "2026-06-29 03:36:15",
      "abstract": "Dengan lebih dari 12,2 juta kasus baru setiap tahun, stroke merupakan salah\r\nsatu penyebab utama kematian dan disabilitas di dunia. Oleh karena itu, deteksi dini\r\nmenjadi sangat penting untuk menurunkan angka mortalitas dan komplikasi jangka\r\npanjang. Untuk meningkatkan transparansi dan keandalan dalam proses\r\npengambilan keputusan model, penelitian ini mengembangkan model prediksi\r\nstroke berbasis algoritma Random Forest yang dipadukan dengan metode\r\ninterpretasi SHAP (Shapley Additive Explanations). Hasil evaluasi menunjukkan\r\nbahwa model memiliki kinerja klasifikasi yang sangat baik dengan nilai AUC\r\nsebesar 0,989 ± 0,002, akurasi sebesar 94,3%, presisi 92,5%, recall 96,5%, dan F1score\r\n\r\n94,5%. Selain menghasilkan prediksi yang akurat, pendekatan SHAP\r\nmemungkinkan interpretasi kontribusi setiap fitur terhadap keputusan model.\r\nVisualisasi interpretasi seperti summary plot, dependence plot, dan force plot\r\nmenunjukkan bahwa faktor usia, kadar glukosa darah, dan indeks massa tubuh\r\n(BMI) merupakan kontributor utama dalam meningkatkan risiko stroke. Analisis\r\ninteraksi fitur juga menunjukkan bahwa kombinasi usia lanjut dan kadar glukosa\r\ndarah tinggi secara signifikan meningkatkan probabilitas stroke hingga sekitar 85%\r\ndibandingkan dengan nilai dasar rata-rata model sebesar 0,4992. Dengan demikian,\r\npendekatan ini tidak hanya menghasilkan model prediksi yang memiliki performa\r\ntinggi, tetapi juga menyediakan interpretasi yang dapat dipahami oleh tenaga medis,\r\nsehingga berpotensi mendukung pengambilan keputusan klinis secara lebih\r\ntransparan dan berbasis data.",
      "ispublished": "pub",
      "eprint_status": "archive",
      "thesis_type": "masters",
      "keywords": "Stroke, Pembelajaran Mesin, SHAP, Random Forest, Prediksi Dini,\r\nEHR, Machine Learning, Early Prediction.",
      "department": "Pascasarjana Magister Informatika",
      "metadata_visibility": "show",
      "creators": [
        {
          "name": {
            "family": "Jatiprasetya",
            "honourific": null,
            "given": "Harumawan",
            "lineage": null
          },
          "nim": "23.51.2530"
        }
      ],
      "uri": "http:\/\/eprints.amikom.ac.id\/id\/eprint\/31781",
      "date": "2026-03-04",
      "date_type": "published"
    }