{
      "thesis_type": "masters",
      "rev_number": 7,
      "title": "PREDIKSI TINGKAT RISIKO KESEHATAN PADA JEMAAH\r\nHAJI DENGAN METODE RANDOM FOREST DAN\r\nEXTREME GRADIENT BOOSTING MENGGUNAKAN\r\nOPTIMASI BAYESIAN \r\n(STUDI KASUS : JEMAAH HAJI EMBARKASI BALIKPAPAN)",
      "abstract": "Kondisi kesehatan fisik jemaah haji merupakan aspek vital dalam \r\nkelancaran ibadah, terutama mengingat tingginya kerentanan pada kelompok lansia\r\ndan jemaah dengan komorbiditas, sehingga diperlukan metode deteksi dini yang\r\npresisi untuk memitigasi risiko medis. Penelitian ini bertujuan untuk membangun\r\nmodel prediksi tingkat risiko kesehatan jemaah haji dengan menerapkan algoritma\r\nensemble learning, yakni Random Forest dan Extreme Gradient Boosting\r\n(XGBoost), yang kinerjanya ditingkatkan melalui penalaan hyperparameter\r\notomatis menggunakan Bayesian Optimization. Berbasis data pemeriksaan\r\nkesehatan 6.037 jemaah haji Embarkasi Balikpapan tahun 2024 yang meliputi\r\natribut demografis dan riwayat penyakit (ICD-10), penelitian ini melakukan\r\nevaluasi model menggunakan metode Stratified 10-Fold Cross-Validation untuk\r\nmenangani ketidakseimbangan data secara valid. Hasil eksperimen menunjukkan\r\nbahwa integrasi Bayesian Optimization mampu mencapai konvergensi performa\r\noptimal secara efisien dalam kurang dari 25 iterasi, di mana model Random Forest\r\nberbasis optimasi (BO-RF) menghasilkan kinerja paling seimbang dengan rata-rata\r\nAkurasi 89,30% dan F1-Score 89,11%, sementara model XGBoost (BOXGB)\r\nmencatat Akurasi 89,15% dengan keunggulan diskriminatif pada nilai AUC 0,9597.\r\nPenelitian ini menyimpulkan bahwa pendekatan komputasi yang diusulkan terbukti\r\nefektif dalam meningkatkan akurasi prediksi dibandingkan metode konvensional\r\ndan layak diimplementasikan sebagai sistem pendukung keputusan strategis bagi\r\ntim kesehatan haji dalam menentukan prioritas penanganan medis sebelum\r\nkeberangkatan.",
      "lastmod": "2026-06-29 04:04:42",
      "eprint_status": "archive",
      "ispublished": "pub",
      "type": "thesis",
      "userid": 12,
      "date_type": "published",
      "creators": [
        {
          "nim": "24.55.1576",
          "name": {
            "given": "Luthfi Bhaktiawan",
            "lineage": null,
            "family": "Husag",
            "honourific": null
          }
        }
      ],
      "uri": "http:\/\/eprints.amikom.ac.id\/id\/eprint\/31786",
      "date": "2026-02-02",
      "keywords": "Jemaah Haji, Risiko Kesehatan, Random Forest, XGBoost, Bayesian\r\nOptimization, Machine Learning, Hajj Pilgrims, Health Risk",
      "department": "PJJ Magister Informatika",
      "metadata_visibility": "show",
      "status_changed": "2026-06-29 04:04:42",
      "institution": "Universitas AMIKOM Yogyakarta",
      "eprintid": 31786,
      "datestamp": "2026-06-29 04:04:42",
      "thesis_name": "tesis",
      "subjects": [
        "000.000.000A"
      ],
      "contributors": [
        {
          "name": {
            "given": "Kusrini",
            "lineage": null,
            "family": "Kusrini",
            "honourific": null
          }
        }
      ],
      "corp_creators": [
        "Universitas AMIKOM Yogyakarta"
      ],
      "documents": [
          {
            "mime_type": "application\/pdf",
            "pos": 1,
            "eprintid": 31786,
            "main": "24.55.1576 Luthfi Bhaktiawan Husag.pdf",
            "format": "text",
            "rev_number": 2,
            "content": "published",
            "formatdesc": "THESIS",
            "security": "public",
            "files": [
                {
                  "uri": "http:\/\/eprints.amikom.ac.id\/id\/file\/1131444",
                  "fileid": 1131444,
                  "filesize": 3402510,
                  "objectid": 319569,
                  "datasetid": "document",
                  "hash": "9ca80c486ff09135cf307056ffae27c1",
                  "mime_type": "application\/pdf",
                  "mtime": "2026-06-29 04:01:01",
                  "hash_type": "MD5",
                  "filename": "24.55.1576 Luthfi Bhaktiawan Husag.pdf"
                }
            ],
            "language": "id",
            "uri": "http:\/\/eprints.amikom.ac.id\/id\/document\/319569",
            "placement": 1,
            "docid": 319569
          }
      ],
      "divisions": [
        "PJJ"
      ],
      "full_text_status": "public",
      "dir": "disk0\/00\/03\/17\/86"
    }