Klasifikasi anemia menggunakan metode random forest

Anemia adalah kelainan darah yang disebabkan karena kurangnya sel darah merah dan kadar hemoglobin. Berdasarkan survei yang dilakukan oleh World Health Organization (WHO), anemia memengaruhi 1.62 miliar orang di seluruh dunia. Sebanyak 93% pasien penyakit kronis mengalami anemia. Anemia dapat didiagnosis menggunakan Complete Blood Count (CBC) yang bertujuan untuk mengevaluasi jumlah total dan karakteristik komponen sel dalam darah. Tujuan dari penelitian adalah untuk melakukan klasifikasi Random Forest (RF) terhadap anemia. Penelitian ini menggunakan data numerik berupa karakteristik sel darah, yang terdiri dari 269 pasien Normocytic Normochromic Anemia (NNA), 189 pasien Iron Deficiency Anemia (IDA), dan 336 pasien Healthy (HE). Pengolahan data yang dilakukan pada penelitian ini terdiri atas beberapa tahap, yaitu input data, dilanjutkan dengan analisis deskriptif dan proses data encoding. Setelah itu, pembagian data menggunakan K-Fold Cross Validation dengan k sejumlah 5. Tahap selanjutnya adalah proses klasifikasi menggunakan RF dengan uji coba parameter pada data latih, yaitu jumlah pohon keputusan yang akan dibangun, kedalaman maksimal dari setiap pohon, dan jumlah minimal sampel pada setiap daun. Berdasarkan paramater tersebut diperoleh hasil klasifikasi berupa diagnosis HE, IDA, dan NNA menggunakan model RF, yang kemudian dilakukan evaluasi hasil menggunakan Confusion Matrix, sehingga diperoleh hasil evaluasi klasifikasi berupa akurasi, sensitivitas, dan spesifisitas. Penelitian ini memperoleh hasil terbaik pada k sejumlah 5 dengan parameter n estimators, max depth, dan min samples leaf berturut-turut sebanyak 10, 90, dan 4. Nilai akurasi, sensitivitas, dan spesifisitas yang dihasilkan masing-masing sebesar 100%.