PREDIKSI TINGKAT RISIKO KESEHATAN PADA JEMAAH HAJI DENGAN METODE RANDOM FOREST DAN EXTREME GRADIENT BOOSTING MENGGUNAKAN OPTIMASI BAYESIAN (STUDI KASUS : JEMAAH HAJI EMBARKASI BALIKPAPAN)

Husag, Luthfi Bhaktiawan (2026) PREDIKSI TINGKAT RISIKO KESEHATAN PADA JEMAAH HAJI DENGAN METODE RANDOM FOREST DAN EXTREME GRADIENT BOOSTING MENGGUNAKAN OPTIMASI BAYESIAN (STUDI KASUS : JEMAAH HAJI EMBARKASI BALIKPAPAN). S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

[img] Text (THESIS)
24.55.1576 Luthfi Bhaktiawan Husag.pdf - Published Version

Download (3MB)

Abstract

Kondisi kesehatan fisik jemaah haji merupakan aspek vital dalam kelancaran ibadah, terutama mengingat tingginya kerentanan pada kelompok lansia dan jemaah dengan komorbiditas, sehingga diperlukan metode deteksi dini yang presisi untuk memitigasi risiko medis. Penelitian ini bertujuan untuk membangun model prediksi tingkat risiko kesehatan jemaah haji dengan menerapkan algoritma ensemble learning, yakni Random Forest dan Extreme Gradient Boosting (XGBoost), yang kinerjanya ditingkatkan melalui penalaan hyperparameter otomatis menggunakan Bayesian Optimization. Berbasis data pemeriksaan kesehatan 6.037 jemaah haji Embarkasi Balikpapan tahun 2024 yang meliputi atribut demografis dan riwayat penyakit (ICD-10), penelitian ini melakukan evaluasi model menggunakan metode Stratified 10-Fold Cross-Validation untuk menangani ketidakseimbangan data secara valid. Hasil eksperimen menunjukkan bahwa integrasi Bayesian Optimization mampu mencapai konvergensi performa optimal secara efisien dalam kurang dari 25 iterasi, di mana model Random Forest berbasis optimasi (BO-RF) menghasilkan kinerja paling seimbang dengan rata-rata Akurasi 89,30% dan F1-Score 89,11%, sementara model XGBoost (BOXGB) mencatat Akurasi 89,15% dengan keunggulan diskriminatif pada nilai AUC 0,9597. Penelitian ini menyimpulkan bahwa pendekatan komputasi yang diusulkan terbukti efektif dalam meningkatkan akurasi prediksi dibandingkan metode konvensional dan layak diimplementasikan sebagai sistem pendukung keputusan strategis bagi tim kesehatan haji dalam menentukan prioritas penanganan medis sebelum keberangkatan.

Item Type: Thesis (S2 - Magister)
Contributor:
Pembimbing
Kusrini, Kusrini
Uncontrolled Keywords: Jemaah Haji, Risiko Kesehatan, Random Forest, XGBoost, Bayesian Optimization, Machine Learning, Hajj Pilgrims, Health Risk
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum
Divisions: Pascasarjana Magister Informatika > PJJ Magister Informatika
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 29 Jun 2026 04:04
Last Modified: 29 Jun 2026 04:04
URI: http://eprints.amikom.ac.id/id/eprint/31786

Actions (login required)

View Item View Item