Penerapan Algoritma Random Forest dengan Seleksi Fitur Recursive Feature Elimination (RFE) untuk Klasifikasi Gagal Jantung

Abstrak

Penyakit gagal jantung merupakan salah satu penyebab utama kematian di seluruh duniadan menjadi tantangan besar dalam bidang kesehatan modern. Kompleksitas faktor risiko serta variasikondisi klinis pasien sering menyulitkan proses diagnosis dan prediksi tingkat kematian. Dalam upayameningkatkan akurasi prediksi, model machine learning telah banyak digunakan karenakemampuannya dalam mengolah data klinis yang kompleks. Namun, pada penelitian sebelumnyamenunjukkan bahwa penggunaan seluruh fitur tanpa seleksi fitur dapat menyebabkan model kurangefisien dan beresiko mengalami overfitting. Oleh karena itu, penelitian ini bertujuan untukmengembangkan model klasifikasi gagal jantung menggunakan algoritma Random Forest yangdikombinasikan dengan metode seleksi fitur Recursive Feature Elimination (RFE) guna meningkatkanakurasi dan kinerja model. Dataset yang digunakan adalah Heart Failure Clinical Records yang berisi299 data pasien dengan 13 atribut klinis. Proses penelitian meliputi tahapan pra-pemrosesan data,seleksi fitur menggunakan RFE, pembagian data menjadi data latih dan uji, pelatihan model RandomForest, optimasi hiperparameter menggunakan Randomized Search CV, dan evaluasi modelmenggunakan metrik akurasi, presisi, recall, F1-score, serta AUC. Hasil penelitian menunjukkan bahwakombinasi Random Forest dan RFE berhasil memilih sembilan fitur terbaik yaitu age,creatinine_phosphokinase, diabetes, ejection fraction, high blood pressure, platelets, serum creatinine,serum sedium, dan time. dengan konfigurasi model optimal menghasilkan akurasi sebesar 86,67% danAUC sebesar 0,9204 dengan rasio split data terbaik (80:20). Fitur yang paling berpengaruh terhadapprediksi gagal jantung adalah ejection fraction, serum creatinine, dan time. Penelitian ini menunjukkanbahwa kombinasi algoritma Random Forest dengan metode seleksi fitur RFE berhasil meningkatkanefektivitas proses klasifikasi pada dataset Heart Failure Clinical Records.