Comparative Analysis of Logistic Regression, Random Forest, and Support Vector Machines for Asthma Risk Classification Based on Demographic, Clinical, and Environmental Factors

Daeli, Barnabas Belieffain Fertility (2025) Comparative Analysis of Logistic Regression, Random Forest, and Support Vector Machines for Asthma Risk Classification Based on Demographic, Clinical, and Environmental Factors. S1 thesis, Universitas Ngudi Waluyo.

	Text Barnabas Daeli_144212042_abstrak - Barnabas Daeli.pdf Download (150kB)
	Text Barnabas Daeli_144212042_Artikel_2187-2194 - Barnabas Daeli.pdf Restricted to Registered users only Download (636kB) | Request a copy
	Text Barnabas Daeli_144212042_Artikel_2187-2194 - Barnabas Daeli.docx Restricted to Registered users only Download (361kB) | Request a copy
	Text Barnabas Daeli_144212042_BAB I - Barnabas Daeli.pdf Download (267kB)
	Text Barnabas Daeli_144212042_BAB II - Barnabas Daeli.pdf Restricted to Registered users only Download (208kB) | Request a copy
	Text Barnabas Daeli_144212042_BAB III - Barnabas Daeli.pdf Download (203kB)
	Text Barnabas Daeli_144212042_BAB IV - Barnabas Daeli.pdf Restricted to Registered users only Download (396kB) | Request a copy
	Text Barnabas Daeli_144212042_BAB V - Barnabas Daeli.pdf Download (150kB)
	Text Barnabas Daeli_144212042_Daftarpustaka - Barnabas Daeli.pdf Restricted to Registered users only Download (194kB) | Request a copy
	Text Barnabas Daeli_144212042_lampiranbelakang - Barnabas Daeli.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text Barnabas Daeli_144212042_Lampirandepan - Barnabas Daeli.pdf Download (1MB)
	Text Barnabas Daeli_144212042_halamanjudul - Barnabas Daeli.pdf Download (122kB)
	Text Barnabas Daeli_144212042_Pengesahanartikel - Barnabas Daeli.pdf Download (244kB)
	Text Barnabas Daeli_144212042_lembarkonsul_20251029_1537 - Barnabas Daeli.pdf Download (1MB)
	Text Barnabas Daeli_144212042_fulltext - Barnabas Daeli.docx Restricted to Registered users only Download (1MB) | Request a copy
	Text Barnabas Daeli_144212042_fulltext - Barnabas Daeli.pdf Restricted to Registered users only Download (2MB) | Request a copy

Abstract

Prediksi asma membutuhkan arsitektur yang mampu menangkap interaksi multifaktorial di antara determinan demografis, klinis, dan lingkungan. Studi ini menetapkan Random Forest (RF) sebagai solusi optimal melalui perbandingan ketat dengan Logistic Regression (LR) dan Support Vector Machines (SVM) pada sebuah kohort 10.000 pasien. RF mencapai kinerja: akurasi 99,55%, presisi 100%, recall 98,19%, dan stabilitas yang luar biasa (σ=0,0019 CV) yang melampaui recall SVM sebesar 6,86%, sehingga mencegah 167 diagnosis terlewat per 10.000 kasus. Faktor herediter mendominasi kepentingan fitur (Gini=0,20), menghasilkan reduksi kemurnian node 18,7% lebih besar dibandingkan BMI, sementara sinyal paradoks "Tidak Ada Alergi" (3,726) mengungkap fenotip non-atopik. Yang kritis, korelasi linier yang jarang (94% |r|<0,02) kontras dengan kemampuan RF dalam menangkap ambang batas nonlinier seperti gaya hidup sedentari (2,243) > dampak merokokk. Implementasi klinis memerlukan: (1) kalibrasi ambang batas (θ=0,3) yang mencapai recall >99%, (2) audit false-negative bulanan untuk memitigasi skew prevalensi 24,33%, dan (3) reduksi dimensi yang mengeliminasi 3,256 fitur. Kapasitas RF dalam mengurai interaksi herediter-lingkungan membentuk paradigma baru untuk stratifikasi risiko asma. Kata kunci : Stratifikasi Risiko Asma, Sistem Pendukung Keputusan Klinis, Fenotip Non-Atopik, Klasifikasi Random Forest, Pertukaran Recall-Presisi

Actions (login required)

View Item