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 /
UNARUNAR Hasil pada penelitian ini ialah sebagian besar pasien paska stroke memiliki self-efficacy pengobatan yang tinggi (62,3%). Dari hasil tersebut, dapat disimpulkanHasil pada penelitian ini ialah sebagian besar pasien paska stroke memiliki self-efficacy pengobatan yang tinggi (62,3%). Dari hasil tersebut, dapat disimpulkan
MEDIAPUBLIKASIMEDIAPUBLIKASI Hasil evaluasi menunjukkan bahwa siswa yang menggunakan sistem ini mengalami peningkatan nilai akhir dan tingkat penyelesaian materi secara signifikan.Hasil evaluasi menunjukkan bahwa siswa yang menggunakan sistem ini mengalami peningkatan nilai akhir dan tingkat penyelesaian materi secara signifikan.
UMSUMS Studi komprehensif ini menyelidiki perubahan penggunaan dan tutupan lahan (LULC) di Taman Nasional Ugam Chatkal, Uzbekistan, selama periode 30 tahun (1993–2022)Studi komprehensif ini menyelidiki perubahan penggunaan dan tutupan lahan (LULC) di Taman Nasional Ugam Chatkal, Uzbekistan, selama periode 30 tahun (1993–2022)
LENTERADUALENTERADUA Penelitian ini menyimpulkan bahwa penggunaan model InceptionV3 efektif dalam klasifikasi penyakit ayam berdasarkan citra feses. Nilai epoch yang berbedaPenelitian ini menyimpulkan bahwa penggunaan model InceptionV3 efektif dalam klasifikasi penyakit ayam berdasarkan citra feses. Nilai epoch yang berbeda
JIMF BIJIMF BI Hasil yang dicapai dari penelitian ini menunjukkan potensi penggunaan algoritma Machine Learning untuk menghitung kontribusi ReTakaful yang lebih sesuaiHasil yang dicapai dari penelitian ini menunjukkan potensi penggunaan algoritma Machine Learning untuk menghitung kontribusi ReTakaful yang lebih sesuai
POLTEKKESTASIKMALAYAPOLTEKKESTASIKMALAYA Kegiatan pengabdian masyarakat pada Kelompok Pendamping Diabetes Self-Management Education (KP-DSME) dapat melibatkan partisipasi keluarga dalam perawatanKegiatan pengabdian masyarakat pada Kelompok Pendamping Diabetes Self-Management Education (KP-DSME) dapat melibatkan partisipasi keluarga dalam perawatan
DCCKOTABUMIDCCKOTABUMI Petshop Salsa di Bandar Lampung merupakan usaha yang bergerak dalam bidang penjualan. Didalam kegiatan penjualan terdapat pengolahan data inventory barang.Petshop Salsa di Bandar Lampung merupakan usaha yang bergerak dalam bidang penjualan. Didalam kegiatan penjualan terdapat pengolahan data inventory barang.
AKRABJUARAAKRABJUARA Metafora konseptual dalam wacana retorika politik diinterpretasikan melalui proses struktural, orientasional, dan ontologis, yang memungkinkan politisiMetafora konseptual dalam wacana retorika politik diinterpretasikan melalui proses struktural, orientasional, dan ontologis, yang memungkinkan politisi
Useful /
POLTEKKESTASIKMALAYAPOLTEKKESTASIKMALAYA Seluruh peserta mengikuti kegiatan dengan baik dan menunjukkan antusiasme melalui partisipasi aktif dalam sesi tanya jawab. Hasil ini menunjukkan perlunyaSeluruh peserta mengikuti kegiatan dengan baik dan menunjukkan antusiasme melalui partisipasi aktif dalam sesi tanya jawab. Hasil ini menunjukkan perlunya
SARI MUTIARASARI MUTIARA Pelatihan pembuatan berita bagi remaja di Medan berjalan dengan baik dan lancar, serta mendapat respons antusias dari peserta yang terlihat dari partisipasiPelatihan pembuatan berita bagi remaja di Medan berjalan dengan baik dan lancar, serta mendapat respons antusias dari peserta yang terlihat dari partisipasi
JIMF BIJIMF BI Indeks yang diusulkan didasarkan pada seperangkat indikator Maqasid yang komprehensif dan pembobotan yang tepat dari setiap indikator Maqasid untuk mencapaiIndeks yang diusulkan didasarkan pada seperangkat indikator Maqasid yang komprehensif dan pembobotan yang tepat dari setiap indikator Maqasid untuk mencapai
SINOMICSJOURNALSINOMICSJOURNAL Penelitian ini menunjukkan hubungan yang kuat antara ketahanan psikologis dan religiusitas pada tenaga medis selama pandemi COVID-19. Religiusitas berperanPenelitian ini menunjukkan hubungan yang kuat antara ketahanan psikologis dan religiusitas pada tenaga medis selama pandemi COVID-19. Religiusitas berperan