Penyakit paru-paru, seperti pneumonia dan kanker paru-paru, menjadi masalah kesehatan global dengan tingkat kematian tinggi, terutama dipengaruhi oleh polusi udara, infeksi, dan kebiasaan merokok. Pencegahan dan deteksi dini sangat penting dalam mengurangi dampaknya. Algoritma yang digunakan dalam penelitian ini meliputi Random Forest, XGBoost, dan Logistic Regression. Tujuannya yaitu untuk membandingkan performa tiga algoritma machine learning dalam mengklasifikasikan penyakit paru-paru menggunakan metrik evaluasi seperti, akurasi, presisi, recall, dan F1-score.  Setelah hyperparameter tuning, XGBoost menunjukkan hasil terbaik dengan akurasi 94,44%, presisi 94,98%, recall 94,44%, dan F1-score 94,41%, menunjukkan keseimbangan optimal antara presisi dan recall. Random Forest juga memberikan hasil yang sebanding dengan XGBoost dengan akurasi dan presisi yang tinggi. Sementara itu, Logistic Regression menunjukkan keterbatasan dalam menangani data yang kompleks, dengan performa yang lebih rendah pada seluruh metrik evaluasi. Penelitian ini menunjukkan bahwa algoritma berbasis pohon keputusan seperti XGBoost dan Random Forest lebih unggul untuk klasifikasi penyakit paru-paru, menjadikannya metode yang lebih andal untuk mendukung deteksi dini penyakit ini.
 
Kata kunci: Hyperparameter Tuning, Logistic Regression, Penyakit Paru-paru, Random Forest, XGBoost.

Ikan hiu adalah kelompok hewan yang menarik dan menakutkan di dunia laut. Mereka termasuk dalam kelas Chondrichthyes bersama dengan pari dan hiu bersirip. Mereka dapat ditemukan di berbagai perairan dan memiliki peran penting sebagai indikator kesehatan ekosistem laut. Namun, populasi ikan hiu terancam karena penangkapan ikan ilegal dan kurangnya konservasi. Dalam proses mengidentifikasi dan mengklasifikasikan spesies hiu, peneliti membuat program dengan menggunakan teknik pengenalan visi komputer, seperti Convolutional Neural Network (CNN), dapat sangat membantu. Salah satu arsitektur CNN yang efektif adalah ResNet50, yang terbukti berhasil dalam klasifikasi gambar. Dengan menggunakan 4720 data citra ikan hiu dari 14 kelas model ResNet50 berhasil mencapai akurasi 86% dalam klasifikasi spesies ikan hiu. Model ini dapat digunakan untuk mengidentifikasi spesies hiu dengan baik, kecuali pada beberapa kelas tertentu yang perlu diperbaiki.

Online games are an entertainment medium that cannot be separated from some groups of people, especially during the co-19 pandemic. The existence of a policy of violence reduces the interaction of people in the world, including in Indonesia, resulting in an increase in online activity, especially playing games. Game is an interesting online gaming platform, where players can still interact socially boldly. Genshin Impact is a mobile game that provides other platforms such as PC, PlayStation and Nintendo Switch. Although some people like this game, others are not satisfied with the game play. Sentiment analysis is also very useful when game developers want to know what users think about the game experience. This research aims to build a model of the classification of reviews on the Genshin Impact game available on the Google Play platform, so that the resulting model can provide recommendations for developers for improvement. The results obtained are reviews on the Google Play Store tend to be positive with an accuracy score of 87%, precision of 67%, memory of 98%, and f1 score of 67%. Evaluation is done by comparing the model that has been obtained in this study with the previous model with the same algorithm.