PREDIKSI DAN ANALISIS SKOR KESEHATAN MENGGUNAKAN METODE REGRESI DENGAN SELEKSI FITUR RECURSIVE FEATURE ELIMINATION (RFE)

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.

	Text (COVER-ASBTRAK) COVER.pdf - Published Version Download (616kB)
	Text (BAB I) BAB I.pdf - Published Version Download (280kB)
	Text (BAB II) BAB II.pdf - Published Version Restricted to Registered users only Download (486kB)
	Text (BAB III) BAB III.pdf - Published Version Restricted to Registered users only Download (265kB)
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Registered users only Download (570kB)
	Text (BAB V) BAB V.pdf - Published Version Download (68kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf - Published Version Restricted to Registered users only Download (111kB)
	Archive (SOURCE CODE) Source Code - 22.11.5184.zip - Published Version Restricted to Repository staff only Download (405kB)
	Text (PUBLIKASI) Publikasi.pdf - Published Version Restricted to Repository staff only Download (720kB)

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.

Actions (login required)

View Item