eprintid: 31781
rev_number: 7
eprint_status: archive
userid: 12
dir: disk0/00/03/17/81
datestamp: 2026-06-29 03:36:15
lastmod: 2026-06-29 03:36:15
status_changed: 2026-06-29 03:36:15
type: thesis
metadata_visibility: show
creators_name: Jatiprasetya, Harumawan
creators_nim: 23.51.2530
contributors_name: Utami, Ema
corp_creators: Universitas AMIKOM Yogyakarta
title: PEMBELAJARAN MESIN UNTUK PREDIKSI STROKE
BERDASARKAN RANDOM FOREST DAN SHAP
ispublished: pub
subjects: 000.000.000A
divisions: mti
full_text_status: public
keywords: Stroke, Pembelajaran Mesin, SHAP, Random Forest, Prediksi Dini,
EHR, Machine Learning, Early Prediction.
abstract: Dengan lebih dari 12,2 juta kasus baru setiap tahun, stroke merupakan salah
satu penyebab utama kematian dan disabilitas di dunia. Oleh karena itu, deteksi dini
menjadi sangat penting untuk menurunkan angka mortalitas dan komplikasi jangka
panjang. Untuk meningkatkan transparansi dan keandalan dalam proses
pengambilan keputusan model, penelitian ini mengembangkan model prediksi
stroke berbasis algoritma Random Forest yang dipadukan dengan metode
interpretasi SHAP (Shapley Additive Explanations). Hasil evaluasi menunjukkan
bahwa model memiliki kinerja klasifikasi yang sangat baik dengan nilai AUC
sebesar 0,989 ± 0,002, akurasi sebesar 94,3%, presisi 92,5%, recall 96,5%, dan F1score

94,5%. Selain menghasilkan prediksi yang akurat, pendekatan SHAP
memungkinkan interpretasi kontribusi setiap fitur terhadap keputusan model.
Visualisasi interpretasi seperti summary plot, dependence plot, dan force plot
menunjukkan bahwa faktor usia, kadar glukosa darah, dan indeks massa tubuh
(BMI) merupakan kontributor utama dalam meningkatkan risiko stroke. Analisis
interaksi fitur juga menunjukkan bahwa kombinasi usia lanjut dan kadar glukosa
darah tinggi secara signifikan meningkatkan probabilitas stroke hingga sekitar 85%
dibandingkan dengan nilai dasar rata-rata model sebesar 0,4992. Dengan demikian,
pendekatan ini tidak hanya menghasilkan model prediksi yang memiliki performa
tinggi, tetapi juga menyediakan interpretasi yang dapat dipahami oleh tenaga medis,
sehingga berpotensi mendukung pengambilan keputusan klinis secara lebih
transparan dan berbasis data.
date: 2026-03-04
date_type: published
institution: Universitas AMIKOM Yogyakarta
department: Pascasarjana Magister Informatika
thesis_type: masters
thesis_name: tesis
citation:   Jatiprasetya, Harumawan  (2026) PEMBELAJARAN MESIN UNTUK PREDIKSI STROKE BERDASARKAN RANDOM FOREST DAN SHAP.  S2 - Magister thesis, Universitas AMIKOM Yogyakarta.   
document_url: https://eprints.amikom.ac.id/id/eprint/31781/1/23.51.2530%20-%20Harumawan%20Jatiprasetya.pdf