KHAIRUNNISYAH, ECHIDIYAH (2026) KLASIFIKASI PENYAKIT TUBERKULOSIS PARU MENGGUNAKAN METODE CART (CLASSIFICATION AND REGRESSION TREE) DAN XGBOOST. S1 thesis, Universitas Malikussaleh.

	Text COVER_ECHIDIYAH_20KHAIRUNNISYAH_NIM.220170187.pdf Download (203kB)
	Text abstrak.pdf Download (214kB)
	Text BAB_201_ECHIDIYAH_20KHAIRUNNISYAH_NIM.220170187.pdf Download (211kB)
	Text DAFTAR_20PUSTAKA_ECHIDIYAH_20KHAIRUNNISYAH_NIM.220170187.pdf Download (195kB)
	Text full-teks.pdf Restricted to Registered users only Download (3MB)

Abstract

Tuberkulosis (TB) paru merupakan salah satu penyakit menular yang masih menjadi permasalahan kesehatan sehingga diperlukan upaya deteksi dan klasifikasi yang efektif. Penelitian ini bertujuan untuk mengklasifikasikan penyakit TB paru menggunakan algoritma Classification and Regression Tree (CART) dan Extreme Gradient Boosting (XGBOOST) serta membandingkan kinerja kedua algoritma tersebut. Data yang digunakan berupa 3.732 data rekam medis pasien dari Rumah Sakit Khusus Paru Sumatera Utara dengan atribut umur, jenis kelamin, demam, batuk lebih dari 2 minggu, berat badan turun, keringat malam, sesak napas, nafsu makan turun, riwayat kontak TB, dan diabetes mellitus. Tahapan penelitian meliputi preprocessing, transformasi data, pembagian data training dan testing dengan rasio 80:20, pembentukan model CART dan XGBOOST, serta evaluasi menggunakan Accuracy, Precision, Recall, F1-Score, Confusion Matrix, dan 10-Fold Cross Validation. Hasil penelitian menunjukkan bahwa CART memperoleh Accuracy sebesar 69,86%, Precision sebesar 72,36%, Recall sebesar 58,94%, dan F1-Score sebesar 64,96%. Sementara itu, XGBOOST memperoleh Accuracy sebesar 70,64%, Precision sebesar 74,47%, Recall sebesar 57,95%, dan F1-Score sebesar 65,18%. Berdasarkan hasil evaluasi, XGBOOST dipilih sebagai model terbaik karena memperoleh Accuracy, Precision, dan F1-Score yang lebih tinggi dibandingkan CART, meskipun nilai Recall CART sedikit lebih tinggi. Model XGBOOST selanjutnya diimplementasikan ke dalam sistem berbasis web untuk membantu proses klasifikasi awal TB paru berdasarkan gejala pasien. Penelitian ini menunjukkan bahwa CART dan XGBOOST dapat diterapkan sebagai pendekatan klasifikasi TB paru berbasis data rekam medis.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science R Medicine > R Medicine (General) T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Echidiyah Khairunnisyah
Date Deposited:	08 Sep 2026 06:56
Last Modified:	08 Sep 2026 06:56
URI:	https://rama.unimal.ac.id/id/eprint/22613

Actions (login required)

View Item