PENERAPAN ALGORITMA RANDOM FOREST UNTUK KLASIFIKASI STATUS PEROKOK BERDASARKAN DATA FISIOLOGIS

Abstract

Penelitian ini bertujuan untuk mengembangkan model klasifikasi status merokok menggunakan algoritma Random Forest berbasis parameter fisiologis dari data klinis. Pendekatan ini menawarkan alternatif yang lebih objektif dibandingkan metode survei atau pelaporan mandiri yang rentan terhadap bias dan underreporting. Data yang digunakan merupakan dataset terbuka dengan total 55.692 baris dan 27 kolom yang mencakup berbagai parameter fisiologis, seperti tinggi badan, hemoglobin, tekanan darah, dan informasi demografis. Penelitian ini terdiri atas lima tahapan utama, yaitu akuisisi data, prapemrosesan, pembagian data, pelatihan model, dan evaluasi. Proses prapemrosesan mencakup Exploratory Data Analysis (EDA), pengecekan nilai hilang dan data duplikat, deteksi outlier, encoding variabel kategorikal, dan standarisasi data numerik. Model baseline Random Forest menghasilkan akurasi sebesar 75,65%. Setelah dilakukan tuning menggunakan RandomizedSearchCV, performa model meningkat menjadi 76,38%. Analisis feature importance menunjukkan bahwa fitur paling berpengaruh terhadap klasifikasi status merokok adalah gender_male, height_cm, dan hemoglobin. Hasil ini menunjukkan bahwa algoritma Random Forest dengan tuning dapat secara efektif memanfaatkan parameter fisiologis untuk mengklasifikasikan status merokok, serta memberikan kontribusi terhadap pengembangan sistem skrining kesehatan berbasis data.