Syatriani, Syatriani (2025) PERBANDINGAN METODE LOGISTIC REGRESSION DAN RANDOM FOREST DALAM KLASIFIKASI PENYAKIT KULIT MULTIKELAS. S1 thesis, Universitas Malikussaleh.

	Text Cover.pdf Download (31kB)
	Text Abstrak.pdf Download (11kB)
	Text Bab 1.pdf Download (83kB)
	Text Daftar Pustaka.pdf Download (83kB)
	Text Full-text.pdf Restricted to Registered users only Download (2MB)

Abstract

Penyakit kulit merupakan salah satu jenis penyakit yang umum ditemukan di Indonesia, terutama pada wilayah beriklimtropis.RumahSakit UmumCut Meutia mencatat banyak kasus penyakit kulit yang terdokumentasi dalam rekam medis digital, sehingga memiliki potensi besar untuk dianalisis menggunakan metode klasifikasi berbasis kecerdasan buatan. Penelitian ini bertujuan untuk membandingkan kinerja algoritma Logistic Regression dan Random Forest dalam mengklasifikasikandelapan jenis penyakit kulit, yaitu Abses, Dermatitis, Selulitis, Psoriasis, Ulkus Dekubitus, Pemfigus Vulgaris, Urtikaria, dan Impetigo berdasarkan 10 gejala utama pasien. Dataset yang digunakan terdiri dari 271 data pasien dan diolah melalui proses pra-pemrosesan, pelatihan, dan pengujian menggunakan Python dan Scikit-learn. Evaluasi model dilakukan berdasarkan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Logistic Regression memperoleh akurasi sebesar 94,55%, sedangkan Random Forest memperoleh akurasi sebesar 92,73%. Dengan demikian, Logistic Regression terbukti lebih efektif dan efisien dalam klasifikasi penyakit kulit berdasarkan dataset yang digunakan. Temuan ini diharapkan dapat berkontribusi pada pengembangan sistem bantu diagnosis berbasis kecerdasan buatan di bidang medis.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software R Medicine > RL Dermatology T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	syatriai ani syatriani
Date Deposited:	21 Nov 2025 03:44
Last Modified:	21 Nov 2025 03:44
URI:	https://rama.unimal.ac.id/id/eprint/17201

Actions (login required)

View Item