Optimasi Hyperparameter Random Forest Menggunakan Grid Search untuk Meningkatkan Kinerja Klasifikasi Risiko Stroke pada Stroke Prediction Dataset

Abstract

Stroke merupakan salah satu penyebab utama morbiditas dan mortalitas global, mendorong kebutuhan akan metode prediksi risiko yang akurat dan efisien. Penelitian ini bertujuan untuk meningkatkan kinerja klasifikasi Random Forest dalam prediksi risiko stroke melalui optimasi hyperparameter secara sistematis menggunakan Grid Search. Data yang digunakan bersumber dari Stroke Prediction Dataset pada platform Kaggle, mencakup 5.110 sampel dengan 11 atribut yang meliputi fitur klinis dan demografi. Data mengalami pembagian stratified menjadi data latih (training set, 80%) dan data uji (testing set, 20%). Grid Search dengan validasi silang 5fold diterapkan secara sistematis untuk mengeksplorasi kombinasi optimal dari tujuh hyperparameter: n_estimators, max_depth, min_samples_split, min_samples_leaf, max_features, bootstrap, dan criterion. Konfigurasi optimal yang diperoleh adalah n_estimators = 100, criterion = entropy, max_depth = 10, max_features = sqrt, min_samples_split = 10, min_samples_leaf = 4, dan bootstrap = True, dengan akurasi validasi silang terbaik sebesar 84,52%. Evaluasi pada set pengujian menunjukkan bahwa model Random Forest yang telah dioptimasi mencapai akurasi 84,15%, presisi 18,89%, recall 68,00%, F1score 29,57%, dan ROCAUC 0,82. Confusion matrix menunjukkan 826 true negative, 146 false positive, 16 false negative, dan 34 true positive. Temuan ini menegaskan bahwa optimasi hyperparameter berbasis Grid Search merupakan pendekatan yang efektif untuk meningkatkan kinerja Random Forest dalam prediksi risiko stroke, berpotensi menjadi alat bantu diagnostik yang berharga dalam praktik klinis.