Layanan penulisan ilmiah yang disediakan oleh Perpustakaan Universitas Gunadarma
PERBANDINGAN KINERJA ALGORITMA RANDOM FOREST, ADABOOST, DAN XGBOOST DALAM MEMPREDIKSI RESIKO PENYAKIT OSTEOPOROSIS
ABSTRAKSI :
Osteoporosis merupakan penyakit tulang yang ditandai dengan penurunan massa tulang dan peningkatan kerapuhan tulang, sehingga meningkatkan resiko patah tulang terutama pada pinggul, tulang belakang dan pergelangan tangan. Penyakit ini dapat diderita oleh laki-laki maupun perempuan, terutama pada usia lanjut. Faktor resiko osteoporosis meliputi jenis kelamin perempuan, usia tua, kurangnya aktivitas fisik, merokok dan konsumsi alkohol. Penyakit ini sering kali tidak menunjukkan gejala pada tahap awal, sehingga prediksi dini sangat penting untuk pencegahan dan penanganan yang tepat. Penelitian ini bertujuan untuk membandingkan kinerja tiga algoritma pembelajaran mesin, yaitu Random Forest, Adaboost dan Xgboost, dalam memprediksi resiko osteoporosis. Evaluasi kinerja model dilakukan menggunakan metrik dari confusion matrix. Dataset yang digunakan adalah "Osteoporosis Risk Prediction" dengan 1781 data, yang dibagi dalam tiga skema pembagian data: 80:20, 70:30 dan 60:40. Pada algoritma Random Forest, skema 80:20 memberikan hasil terbaik dengan akurasi 87,11%, dan presisi 89,09%. Sementara itu, algoritma Adaboost menunjukkan performa terbaik pada skema 60:40 dengan akurasi 92,01