Sub Menu

Stroke adalah kondisi kesehatan kritis yang berdampak signifikan terhadap kesehatan global. Penyakit ini merupakan penyebab kematian nomor dua di dunia, yang mengakibatkan sekitar 6 juta kematian setiap tahunnya menurut Organisasi Kesehatan Dunia (WHO). Selain kematian, penyakit ini juga merupakan penyebab utama kecacatan jangka panjang yang mempengaruhi kualitas hidup seseorang. Implikasi ekonomi akibat perawatan dan pengobatan jangka panjang pada pasien stroke cukup besar. Oleh karena itu, deteksi dini, pencegahan, dan penanganan penyakit ini menjadi sangat penting. Beberapa tahun terakhir terlihat peningkatan relevansi dan kebutuhan akan model prediktif untuk memperkirakan risiko stroke pada individu. Mengembangkan model prediksi yang akurat dan andal akan membantu mengidentifikasi faktor risiko yang terkait dengan kemungkinan terjadinya stroke. Penelitian ini bertujuan untuk membandingkan kinerja Random Forest dan XGBoost dalam memprediksi risiko stroke. Dengan memanfaatkan data kesehatan dari Kaggle, penelitian ini mengukur kinerja kedua metode menggunakan metrik seperti accuracy, precision, recall, dan F1-score. Penelitian ini diharapkan dapat memberikan wawasan baru mengenai metode analisis data yang lebih baik dan bermanfaat untuk data kesehatan stroke.