Optimasi algoritma random forest menggunakan Particle Swarm Optimization (PSO) pada klasifikasi penyakit strok

Penyakit strok merupakan penyakit neurologis yang ditandai adanya penyumbatan pembuluh darah pada otak. Penyakit strok termasuk salah satu penyakit emergensi yang apabila tidak segera ditindaklanjuti dapat mengakibatkan dampak yang lebih parah. Penelitian ini bertujuan ntuk mengoptimalkan hyperparameter algoritma Random Forest yang tepat serta menganalisis fitur-fitur yang paling berpengaruh dalam prediksi. Penetuan hyperparameter optimal sangat penting untuk dilakukan untuk meningkatkan akurasi. Penelitian ini menggunakan data strok dari website kaggle yang dipublish tahun 2020. Model yang digunakan pada penelitian adalah algoritma Random Forest yang di optimasi dengan Particle Swarm Optimization. Hasil klasifikasi Random Forest yang dioptimasi dengan PSO didapatkan hyperparameter optimal dengan jumlah pohon 155, kedalaman pohon 10, dan minimal sampel split 19. Hasil evaluasi performa diperoleh dari nilai akurasi model dan nilai AUC, PSO-RF menghasilkan akurasi sebesar 84.48% dengan nilai AUC sebesar 0.80.