Deteksi Dini Pneumonia Berbasis Gejala Klinis Menggunakan Random Forest: Early Detection of Pneumonia Based on Clinical Symptoms Using Random Forest

Pneumonia merupakan salah satu penyakit pernapasan akut dengan tingkat morbiditas dan mortalitas yang tinggi, terutama pada anak-anak dan lansia. Keterbatasan fasilitas radiologi dan laboratorium di beberapa wilayah menyebabkan proses diagnosis dini pneumonia menjadi kurang optimal. Penelitian ini bertujuan untuk membangun model deteksi dini pneumonia berbasis gejala klinis menggunakan algoritma Random Forest. Metode penelitian mengacu pada kerangka kerja CRISP-DM yang meliputi tahap business understanding, data understanding, data preparation, modelling, evaluation, dan deployment. Dataset penelitian diperoleh dari rekam medis RSUD H. Damanhuri Barabai dengan atribut berupa jenis kelamin, usia, tinggi badan, berat badan, suhu tubuh, batuk, dahak, nyeri dada, sesak napas, laju pernapasan, dan muntah. Evaluasi model dilakukan menggunakan confusion matrix dan 10-fold Cross-validation. Hasil penelitian menunjukkan bahwa algoritma Random Forest menghasilkan performa terbaik dengan nilai akurasi sebesar 89,82%, recall 95,24%, precision 90,53%, dan AUC 0,9469. Hasil ini menunjukkan bahwa model mampu mendeteksi pneumonia secara efektif dan berpotensi menjadi alat bantu pengambilan keputusan medis, khususnya pada fasilitas kesehatan dengan keterbatasan sarana diagnostik.