Claim Missing Document
Check
Articles

Found 1 Documents
Search

Klasifikasi Penyakit Jantung Menggunakan Extreme Gradient Boosting (XGBoost) Bagus Darmawan, Dimas; Rafli Azahwa, Ibnu; Wijaya Saputra, Rendy; Septiadi, Robby; Rosyani, Perani
Jurnal Riset Informatika dan Inovasi Vol 2 No 8 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi
Publisher : shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

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).