Vidianto, Zefanya Septianus (2025) LKP : Perancangan Artificial Intelegent untuk Menghitung Prediksi Nilai Low-Density Lipoprotein (LDL) Menggunakan Model Random Forest. Undergraduate thesis, Universitas Dinamika.
|
Text
22410200022-2025-UNIVERSITASDINAMIKA.pdf - Accepted Version Download (1MB) |
|
|
Text
22410200022-2025-LAMPIRAN.pdf - Accepted Version Restricted to Repository staff only Download (1MB) |
Search this title on :
|
Abstract
Kerja Praktik ini dilakukan di PT. Wahana Meditek Indonesia (AdamLabs) dan berfokus pada pengembangan sistem prediksi nilai LDL (Low-Density Lipoprotein) menggunakan algoritma machine learning Random Forest. Pengolahan data ini memanfaatkan parameter laboratorium seperti total kolesterol, HDL, dan trigliserida sebagai input. Tujuan dari proyek ini adalah menciptakan solusi berbasis AI yang dapat meningkatkan akurasi prediksi nilai LDL dibandingkan perhitungan manual seperti rumus Friedewald. Hasil implementasi menunjukkan bahwa model Random Forest mampu memberikan hasil prediksi yang mendekati nilai aktual, dengan nilai koefisien determinasi (R2) sebesar 0.9965211560161251 setelah dilakukan tuning hyperparameter. Proyek ini mendemonstrasikan bahwa teknologi machine learning dapat diintegrasikan secara efektif dalam sistem informasi laboratorium untuk mendukung pengambilan keputusan klinis.
Export Record
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | Zefanya Septianus Vidianto (22410200022) |
| Uncontrolled Keywords: | LDL, Machine Learning, Random Forest, Laboratorium, Kesehatan Digital |
| Dewey Decimal Classification: | 000 – Computer science, information & general works > 000 Computer science, knowledge & systems > 006 Special computer methods |
| Divisions: | Fakultas Teknologi dan Informatika > S1 Teknik Komputer |
| Depositing User: | Zefanya Septianus Vidianto |
| Date Deposited: | 04 Aug 2025 14:09 |
| Last Modified: | 04 Aug 2025 14:09 |
| THESIS ADVISORS: |
1. Heri Pratikno, M.T. (NIDN : 0716117302)
|
| URI: | http://repository.dinamika.ac.id/id/eprint/8152 |
Download Statistics
Downloads over the past year. Other digital versions may also be available to download e.g. from the publisher's website.
Actions (login required)
![]() |
View Item |

Altmetric
Altmetric