View/Open

Author
Tarisah,

Date Published
15 Dec 2025

Advisor
Tirta Setiawan, S.Pd., M.Si.,
Ade Lailani, S.Si., M.Si.,

Subject
Sains Data

Publisher

Penyakit Hepatitis C merupakan salah satu penyebab utama gangguan fungsi hati yang dapat berkembang menjadi fibrosis, sirosis, bahkan kanker hati apabila tidak terdeteksi sejak dini. Identifikasi tingkat fibrosis hati secara tepat sangat penting untuk membantu tenaga medis dalam menentukan langkah penanganan yang sesuai. Penelitian ini bertujuan untuk membangun model klasifikasi tingkat fibrosis hati pada pasien Hepatitis C menggunakan algoritma Random Forest dan meningkatkan performanya melalui optimasi hiperparameter dengan GridSearchCV. Hasil pemodelan awal menggunakan Random Forest dengan parameter default menghasilkan akurasi sebesar 0.81%, precision kelas penyakit sebesar 1.00, recall hanya 0,04 dan F1-Score 0.80%. Hal ini menunjukkan model cenderung bias terhadap kelas mayoritas dan gagal mendeteksi sebagian besar pasien dengan penyakit. Setelah dilakukan optimasi hiperparameter menggunakan GridSearchCV dengan 5-fold cross-validation, diperoleh kombinasi parameter terbaik (n_estimators=100, max_depth=10, max_features=sqrt, min_samples_split=5, min_samples_leaf =2) yang meningkatkan akurasi menjadi 0.93%,precision 1.00 recall kelas penyakit naik menjadi 0,67, dan F1-score meningkat menjadi 0,80.

URI
https://repository.itera.ac.id/depan/submission/SB2601120006

Keyword
Hepatitis C Random Forest GridSearchCV Seleksi Fitur Klasifikasi