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 /
STMIKBINSASTMIKBINSA Rumah makan Kampong Bakau Kendari saat ini masih menggunakan sistem penjualan secara konvensional. Kekurangan dari sistem tersebut adalah penyebaran informasiRumah makan Kampong Bakau Kendari saat ini masih menggunakan sistem penjualan secara konvensional. Kekurangan dari sistem tersebut adalah penyebaran informasi
UNAIRUNAIR Identifikasi spesies ikan laut secara akurat dapat menjadi tantangan karena kesamaan anatomi dan pola warna yang halus, yang sering kali menyebabkan kesalahanIdentifikasi spesies ikan laut secara akurat dapat menjadi tantangan karena kesamaan anatomi dan pola warna yang halus, yang sering kali menyebabkan kesalahan
BIOTROPBIOTROP 000 cm that were significantly different from concentrations of 10% (2. 7140 cm) and control 0% (5. 2180 cm). Considering the economic value of production,000 cm that were significantly different from concentrations of 10% (2. 7140 cm) and control 0% (5. 2180 cm). Considering the economic value of production,
UNIBAUNIBA Stroke merupakan suatu kondisi yang ditandai dengan gangguan neurologis lokal dan global yang dapat berkembang, berlanjut lebih dari 24 jam, dan mengakibatkanStroke merupakan suatu kondisi yang ditandai dengan gangguan neurologis lokal dan global yang dapat berkembang, berlanjut lebih dari 24 jam, dan mengakibatkan
ITSCIENCEITSCIENCE Kegiatan pengabdian kepada masyarakat dilaksanakan di SMA Taruna Indonesia. Setelah penentuan lokasi kegiatan, dilakukan penjajakan kesediaan pelaksanaanKegiatan pengabdian kepada masyarakat dilaksanakan di SMA Taruna Indonesia. Setelah penentuan lokasi kegiatan, dilakukan penjajakan kesediaan pelaksanaan
LLDIKTI10LLDIKTI10 Data tersebut kemudian dibangkitkan menggunakan algoritma genetika dengan 3 variasi jumlah iterasi yang berbeda untuk mencari urutan penjadwalan yang memilikiData tersebut kemudian dibangkitkan menggunakan algoritma genetika dengan 3 variasi jumlah iterasi yang berbeda untuk mencari urutan penjadwalan yang memiliki
POLTEKKESTASIKMALAYAPOLTEKKESTASIKMALAYA Pengabdian kepada masyarakat dilakukan terhadap 20 anggota keluarga yang menderita diabetes mellitus. Tahapan kegiatan dimulai dengan survei mawas diri,Pengabdian kepada masyarakat dilakukan terhadap 20 anggota keluarga yang menderita diabetes mellitus. Tahapan kegiatan dimulai dengan survei mawas diri,
UNIKOMUNIKOM Persentase kombinasi metode hybrid sampling memengaruhi efisiensi algoritma. Penggunaan kombinasi goal biasing sampling 90%, boundary sampling 5%, danPersentase kombinasi metode hybrid sampling memengaruhi efisiensi algoritma. Penggunaan kombinasi goal biasing sampling 90%, boundary sampling 5%, dan
Useful /
ITSCIENCEITSCIENCE Obat herbal tradisional Indonesia yang telah dipraktekkan selama berabad-abad di masyarakat Indonesia untuk menjaga kesehatan dan mengobati penyakit. MeskipunObat herbal tradisional Indonesia yang telah dipraktekkan selama berabad-abad di masyarakat Indonesia untuk menjaga kesehatan dan mengobati penyakit. Meskipun
ITSCIENCEITSCIENCE dengan metode ceramah dan diskusi. Kegiatan berlangsung secara lancar adanya dukungan dari guru dalam kegiatan penyuluhan. Berdasarkan hasil kegiatan pengabdiandengan metode ceramah dan diskusi. Kegiatan berlangsung secara lancar adanya dukungan dari guru dalam kegiatan penyuluhan. Berdasarkan hasil kegiatan pengabdian
ITSCIENCEITSCIENCE Kegiatan pengabdian masyarakat berupa penyuluhan kesehatan tentang manajemen pembuangan sampah yang baik di Desa Perkebunan Marpinggan telah terlaksanaKegiatan pengabdian masyarakat berupa penyuluhan kesehatan tentang manajemen pembuangan sampah yang baik di Desa Perkebunan Marpinggan telah terlaksana
LLDIKTI10LLDIKTI10 1. Teknik pengumpulan datanya dilakukan dengan wawancara dan kuisioner dengan narasumber yang telah ditentukan sesuai dengan domain dan Control Objective1. Teknik pengumpulan datanya dilakukan dengan wawancara dan kuisioner dengan narasumber yang telah ditentukan sesuai dengan domain dan Control Objective