SHMPUBLISHERSHMPUBLISHER
Journal of Soft Computing ExplorationJournal of Soft Computing ExplorationDiabetes Mellitus (DM) merupakan penyakit kronis yang komplikasi-komplikasinya memiliki dampak signifikan bagi pasien dan masyarakat luas. Pada tahap awal, diabetes mellitus umumnya tidak menimbulkan gejala yang berarti, tetapi jika terlambat terdeteksi dan tidak ditangani dengan baik, dapat menyebabkan masalah kesehatan serius. Untuk mengatasi permasalahan ini, deteksi diabetes menjadi salah satu solusi yang diterapkan. Dalam penelitian ini, deteksi diabetes dilakukan menggunakan algoritma Random Forest dengan optimasi hyperparameter GridSearchCV dan Bayesian. Penelitian ini dilaksanakan melalui tahapan studi literatur, pengembangan model menggunakan Kaggle Notebook, pengujian model, dan analisis hasil. Tujuan studi ini adalah untuk membandingkan optimasi hyperparameter GridSearchCV dan Bayesian, kemudian menganalisis kelebihan serta kekurangan masing-masing optimasi ketika diterapkan pada prediksi diabetes menggunakan algoritma Random Forest. Dari penelitian yang telah dilakukan, ditemukan bahwa optimasi hyperparameter GridSearchCV dan Bayesian memiliki kelebihan dan kekurangan tersendiri. Hyperparameter GridSearchCV unggul dalam hal akurasi sebesar 0,74, meskipun membutuhkan waktu lebih lama, yaitu 338,416 detik. Di sisi lain, optimasi hyperparameter Bayesian memiliki tingkat akurasi yang lebih rendah dibandingkan optimasi GridSearchCV dengan selisih 0,01, yaitu 0,73, dan membutuhkan waktu yang lebih singkat dibandingkan GridSearchCV, yaitu 177,085 detik.
Penelitian ini menyimpulkan bahwa optimasi hyperparameter GridSearchCV dan Bayesian memiliki keunggulan dan kelemahan masing-masing dalam prediksi diabetes menggunakan algoritma Random Forest.GridSearchCV menunjukkan akurasi lebih tinggi (0,74) namun memerlukan waktu komputasi yang lebih lama (338,416 detik).Sebaliknya, Bayesian optimization menawarkan waktu komputasi yang lebih singkat (177,085 detik) dengan akurasi yang sedikit lebih rendah (0,73).
Penelitian yang telah dilakukan ini memberikan pemahaman penting mengenai perbandingan metode optimasi hyperparameter GridSearchCV dan Bayesian dalam memprediksi diabetes menggunakan algoritma Random Forest, menunjukkan adanya pertukaran antara akurasi dan waktu komputasi. Untuk memperkaya studi ini dan mengembangkan solusi prediksi diabetes yang lebih canggih, ada beberapa arah penelitian lanjutan yang bisa dieksplorasi. Pertama, akan sangat menarik untuk menyelidiki bagaimana algoritma pembelajaran mesin lainnya, seperti XGBoost, LightGBM, atau model deep learning, bekerja dalam skenario yang sama, dan apakah mereka dapat mencapai tingkat akurasi yang lebih tinggi atau efisiensi komputasi yang lebih baik dibandingkan Random Forest. Pertanyaan penelitiannya bisa berupa: Bagaimana performa berbagai algoritma pembelajaran mesin canggih, selain Random Forest, dalam memprediksi diabetes ketika dikombinasikan dengan metode optimasi hyperparameter yang berbeda? Kedua, karena penelitian ini menggunakan dataset dengan karakteristik tertentu, penting untuk memahami dampak keragaman data. Penelitian di masa depan dapat mengeksplorasi bagaimana metode optimasi hyperparameter ini bekerja pada dataset diabetes yang lebih besar, lebih bervariasi secara demografis, atau yang menyertakan lebih banyak fitur klinis, untuk menguji generalisasi dan ketahanan model. Hal ini memunculkan pertanyaan: Bagaimana penggunaan dataset yang lebih besar dan lebih beragam, atau dengan penerapan teknik rekayasa fitur yang canggih, memengaruhi kinerja dan generalisasi model prediksi diabetes? Terakhir, mengingat temuan tentang perbedaan waktu komputasi, penelitian lanjutan dapat fokus pada pengembangan atau evaluasi metode optimasi hyperparameter alternatif yang mungkin menawarkan keseimbangan yang lebih optimal antara akurasi dan kecepatan, seperti optimasi berbasis algoritma genetika atau metode stokastik lainnya. Ini akan menjawab pertanyaan: Metode optimasi hyperparameter non-GridSearchCV atau non-Bayesian apa saja yang dapat memberikan keseimbangan optimal antara akurasi dan efisiensi komputasi untuk prediksi diabetes?.
| File size | 204.46 KB |
| Pages | 6 |
| DMCA | Report |
Related /
STMIKJAYAKARTASTMIKJAYAKARTA Sistem manual yang berjalan saat ini berupa penjualannya yang hanya berdasarkan konsumen yang datang langsung ke toko tersebut atau melalui telepon danSistem manual yang berjalan saat ini berupa penjualannya yang hanya berdasarkan konsumen yang datang langsung ke toko tersebut atau melalui telepon dan
STMIKJAYAKARTASTMIKJAYAKARTA Temuan yang jelas adalah bagaimana Konsumen bisa memanfaatkan system layanan service lebih maksimal, dan juga perlunya adanya sosialisasi terhadap pemanfaatanTemuan yang jelas adalah bagaimana Konsumen bisa memanfaatkan system layanan service lebih maksimal, dan juga perlunya adanya sosialisasi terhadap pemanfaatan
STMIKJAYAKARTASTMIKJAYAKARTA DNN adalah salah satu model ANN yang dapat memprediksi kumpulan data. Penelitian ini membandingkan tingkat keberhasilan dalam memprediksi jumlah penontonDNN adalah salah satu model ANN yang dapat memprediksi kumpulan data. Penelitian ini membandingkan tingkat keberhasilan dalam memprediksi jumlah penonton
STMIKJAYAKARTASTMIKJAYAKARTA Dari barang yang dapat merusak lingkungan, menjadi sesuatu yang dapat dimanfaatkan sebagai komuditi atau bahan tambahan. Berdasarkan hasil pengolahan dataDari barang yang dapat merusak lingkungan, menjadi sesuatu yang dapat dimanfaatkan sebagai komuditi atau bahan tambahan. Berdasarkan hasil pengolahan data
STMIKJAYAKARTASTMIKJAYAKARTA Namun, sebagian netizen menyalahgunakannya dengan menyebarkan ujaran kebencian yang menimbulkan konflik. UU ITE Pasal 28 ayat 2 diharapkan mampu meminimalkanNamun, sebagian netizen menyalahgunakannya dengan menyebarkan ujaran kebencian yang menimbulkan konflik. UU ITE Pasal 28 ayat 2 diharapkan mampu meminimalkan
STMIKJAYAKARTASTMIKJAYAKARTA Tujuan dari Sistem Penjaminan Mutu Pendidikan Tinggi (SPMI) adalah menjamin pemenuhan Standar Pendidikan Tinggi secara sistemik dan berkelanjutan, sehinggaTujuan dari Sistem Penjaminan Mutu Pendidikan Tinggi (SPMI) adalah menjamin pemenuhan Standar Pendidikan Tinggi secara sistemik dan berkelanjutan, sehingga
STMIKJAYAKARTASTMIKJAYAKARTA Dengan hasil pengolahan data tersebut maka metode machine learning sangat cocok digunakan untuk mengklasifikasikan tingkat keparahan serangan jaringanDengan hasil pengolahan data tersebut maka metode machine learning sangat cocok digunakan untuk mengklasifikasikan tingkat keparahan serangan jaringan
STMIKJAYAKARTASTMIKJAYAKARTA Teori bahasa dan automata merupakan teori yang berkaitan dengan mesin-mesin abstrak yang di dalamnya terdapat sebuah kajian tentang Finite State AutomataTeori bahasa dan automata merupakan teori yang berkaitan dengan mesin-mesin abstrak yang di dalamnya terdapat sebuah kajian tentang Finite State Automata
Useful /
SHMPUBLISHERSHMPUBLISHER Indeks kebergunaan menu kartu juga lebih tinggi, dengan persentase pemahaman, kemudahan, dan kecepatan mencapai 87% dibandingkan menu pohon yang hanyaIndeks kebergunaan menu kartu juga lebih tinggi, dengan persentase pemahaman, kemudahan, dan kecepatan mencapai 87% dibandingkan menu pohon yang hanya
STIT ALKIFAYAHRIAUSTIT ALKIFAYAHRIAU Penelitian ini menggunakan pendekatan penelitian kualitatif jenis deskriptif. Sumber data primer dan data sekunder Hasil penelitian yang dilakukan di TKPenelitian ini menggunakan pendekatan penelitian kualitatif jenis deskriptif. Sumber data primer dan data sekunder Hasil penelitian yang dilakukan di TK
STAIN MADINASTAIN MADINA Perjanjian merupakan persetujuan baik itu persetujuan atau kontrak yang dibuat secara tertulis maupun secara lisan, dimana perbuatan dari persetujuan yangPerjanjian merupakan persetujuan baik itu persetujuan atau kontrak yang dibuat secara tertulis maupun secara lisan, dimana perbuatan dari persetujuan yang
STMIKJAYAKARTASTMIKJAYAKARTA Sistem ini mampu diakses secara multiuser dan menghasilkan laporan yang akurat dan tepat waktu. Implementasi algoritma string matching mempermudah pencarianSistem ini mampu diakses secara multiuser dan menghasilkan laporan yang akurat dan tepat waktu. Implementasi algoritma string matching mempermudah pencarian