Klasifikasi Penyakit Jantung Menggunakan Extreme Gradient Boosting (XGBoost)
Keywords:
Penyakit Jantung, Machine Learning, XGBoostAbstract
Jantung adalah salah satu organ dalam tubuh manusia yang berfungsi sebagai pemompa darah dan oksigen ke seluruh tubuh. Menurut data World Health Organization (WHO), sekitar 17,9 juta orang meninggal setiap tahun akibat penyakit kardiovaskular yang menyerang jantung (Rika Widianita, 2023). Penelitian ini melakukan klasifikasi penyakit jantung menggunakan algoritma berbasis machine learning, yaitu Extreme Gradient Boosting atau XGBoost. Algoritma XGBoost dipilih karena kemampuannya yang menjanjikan dalam melakukan klasifikasi (Kurnia et al., 2023). XGBoost telah digunakan oleh banyak peneliti untuk mendapatkan hasil yang optimal dalam berbagai kasus machine learning. Dalam penelitian ini, model machine learning yang dikembangkan menggunakan XGBoost dibandingkan dengan model lain yang telah diterapkan sebelumnya, seperti Stacking, Random Forest, dan Majority Voting. Hasil pengujian menunjukkan bahwa XGBoost mampu mencapai performa yang baik dalam seluruh metrik evaluasi, termasuk akurasi (Murdiansyah, 2024).
References
Abdurrahman, G., Oktavianto, H. and Sintawati, M. (2022) ‘Optimasi Algoritma XGBoost Classifier Menggunakan Hyperparameter Gridesearch dan Random Search Pada Klasifikasi Penyakit Diabetes’, Informatics [Preprint].
Dava Maulana, M., Id Hadiana, A. and Rakhmat Umbara, F. (2024) ‘Algoritma Xgboost Untuk Klasifikasi Kualitas Air Minum’, Teknik Informatika [Preprint]. Available at: https://doi.org/10.36040/jati.v7i5.7308.
Fadlillah, S., Sucipto, A. and Amestiasih, T. (2021) ‘USIA, JENIS KELAMIN, PERILAKU MEROKOK, DAN IMT BERHUBUNGAN DENGAN RESIKO PENYAKIT KARDIOVASKULER’, Jurnal keperawatan [Preprint].
Handika Permana, A., Rakhmat Umbara, F. and Kasyidi, F. (2024) ‘Klasifikasi Penyakit Jantung Tipe Kardiovaskular Menggunakan Adaptive Synthetic Sampling dan Algoritma Extreme Gradient Boosting’, Building of Informatics, Technology and Science (BITS) [Preprint].
Kurnia, D. et al. (2023) ‘SELEKSI FITUR DENGAN PARTICLE SWARM OPTIMIZATION PADA KLASIFIKASI PENYAKIT PARKINSON MENGGUNAKAN XGBOOST Deni’, Jurnal Teknologi Informasi dan Ilmu Komputer [Preprint].
Murdiansyah, D.T. (2024) ‘Prediksi Stroke Menggunakan Extreme Gradient Boosting’, Informatika dan Komputer [Preprint].
Rika Widianita, D. (2023) ‘ANALISIS PERBANDINGAN ALGORITMA RANDOM FOREST DAN XGBOOST UNTUK KLASIFIKASI PENYAKIT KARDIOVASKULAR’, AT-TAWASSUTH: Jurnal Ekonomi Islam, VIII(I), pp. 1–19.
Shafila, G.A. (2021) ‘Implementasi Metode Extreme Gradient Boosting (Xgboost ) untuk Klasifikasi pada Data Bioinformatika’, statistika [Preprint].
Sukmawati, C.E. et al. (2024) ‘Efektivitas algoritma AdaBoost dan XGBoost pada dataset obesitas populasi dewasa’, Informatics [Preprint].
Wardhana, R.G., Wang, G. and Sibuea, F. (2023) ‘Penerapan Machine Learning Dalam Prediksi Tingkat Kasus Penyakit Di Indonesia’, Journal of Information System Management (JOISM), 5(1), pp. 40–45. Available at: https://doi.org/10.24076/joism.2023v5i1.1136.
