Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal JSR : Jaringan Sistem Informasi Robotik
Sugianto, Nanda Putri
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
Algoritma LightGBM dengan SMOTE & ADASYN untuk Prediksi Risiko Serangan Jantung Sugianto, Nanda Putri; Purnamasari, Ade Irma; Pratama, Denni; Marta, Puji Pramudya; Wijaya, Yudhistira Arie
JSR : Jaringan Sistem Informasi Robotik Vol 10, No 1 (2026): JSR : Jaringan Sistem Informasi Robotik
Publisher : AMIK Mitra Gama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58486/jsr.v10i1.633

Abstract

Ketidakseimbangan data merupakan tantangan utama dalam pemodelan prediksi medis, termasuk prediksi serangan jantung, karena jumlah kasus positif jauh lebih sedikit dibandingkan kasus negatif sehingga menurunkan kemampuan model dalam mendeteksi pasien berisiko tinggi. Penelitian ini bertujuan untuk membandingkan efektivitas dua teknik oversampling, yaitu Synthetic Minority Oversampling Technique (SMOTE) dan Adaptive Synthetic Sampling (ADASYN), dalam meningkatkan performa algoritma Light Gradient Boosting Machine (LightGBM) untuk prediksi risiko serangan jantung. Dataset berjumlah 1.319 sampel dengan sembilan fitur klinis dan dianalisis melalui tahapan pra-pemrosesan, normalisasi, penanganan class imbalance, pembangunan model, serta evaluasi menggunakan Accuracy, Precision, Recall, F1-Score, dan AUC-ROC. Hasil menunjukkan bahwa model baseline memiliki akurasi tinggi namun sensitivitas terhadap kelas positif masih rendah. Setelah diterapkan oversampling, model mengalami peningkatan signifikan. LightGBM-SMOTE memperoleh F1-Score terbesar (0.9876) dan AUC-ROC 0.9853, sedangkan LightGBM-ADASYN mencapai F1-Score 0.9855 dan AUC-ROC 0.9861. Temuan ini menunjukkan bahwa SMOTE memberikan peningkatan performa yang lebih stabil dalam mendeteksi kelas minoritas. Dengan demikian, teknik oversampling khususnya SMOTE terbukti efektif untuk meningkatkan akurasi dan sensitivitas model prediksi serangan jantung.
Co-Authors Marta, Puji Pramudya Pratama, Denni Purnamasari, Ade Irma Yudhistira Arie Wijaya