Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Emerging Statistics and Data Science Journal
Azaria, Siti Rania
Unknown Affiliation
Computer Science & IT Mathematics

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Perbandingan Metode XGBoost dan Extra Trees untuk Klasifikasi Penyakit Jantung pada Dataset UCI Heart Disease: Analisis Perbandingan Metode XGBoost dan Extra Trees untuk Klasifikasi Penyakit Jantung pada Dataset UCI Heart Disease Rifki, Erik Saputra; Azaria, Siti Rania; Praktiko, Angelina; Pratama, Alfan Rizaldy
Emerging Statistics and Data Science Journal Vol. 4 No. 3 (2026): Emerging Statistics and Data Science Journal
Publisher : Statistics Department, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/esds.vol4.iss.3.art02

Abstract

Penelitian ini membandingkan XGBoost dan Extra Trees untuk klasifikasi penyakit jantung pada 303 data UCI Cleveland tanpa SMOTE. Data dibagi 80:20 secara stratifikasi, dengan imputasi median dan standardisasi berdasarkan data latih. XGBoost memperoleh akurasi 86,89% dan AUC 0,9437, sedangkan Extra Trees memperoleh akurasi 81,97% dan AUC 0,9535. Interval kepercayaan bootstrap untuk selisih kinerja mencakup nol, sementara uji McNemar menunjukkan perbedaan klasifikasi tidak signifikan (p = 0,4531). Berdasarkan skor komposit eksploratif, XGBoost dipilih sebagai model utama. Analisis permutation importance mengidentifikasi thal, ca, dan cp sebagai fitur prediktif penting. Pengujian pada dataset independen diperlukan untuk menilai kemampuan generalisasi model.
Co-Authors Alfan Rizaldy Pratama Praktiko, Angelina Rifki, Erik Saputra