Integrasi Algoritma Firefly dalam Optimasi Hyperparameter CatBoost untuk Prediksi Risiko Penyakit Paru-Paru

Felix John Pardamean Hutabarat
Paskah Abadi Simanullang
Revidamurty Daulay
Adidtya Perdana

Jurnal Intelek Insan Cendikia
Vol. 2 No. 12 (2025): Desember 2025

Penelitian ini menyajikan suatu pendekatan terintegrasi untuk meningkatkan prediksi risiko penyakit paru-paru melalui optimasi hyperparameter CatBoost menggunakan Algoritma Firefly. Dengan memanfaatkan dataset yang terdiri atas 30.000 sampel yang mencakup atribut demografis, perilaku, dan klinis, penelitian ini menerapkan metodologi CRISP-DM guna memastikan proses pengolahan data dan pengembangan model yang sistematis. Algoritma Firefly digunakan untuk mengeksplorasi ruang pencarian hyperparameter dan menentukan konfigurasi terbaik berdasarkan nilai F1-score melalui validasi silang 5-fold, sehingga menghasilkan model CatBoost yang mengalami peningkatan kinerja secara signifikan dengan capaian akurasi sebesar 94,33%, presisi 100%, recall 88,15%, F1-score 93,70%, serta AUC-ROC sebesar 0,9926. Hasil penelitian menunjukkan bahwa Algoritma Firefly mampu meningkatkan kinerja dan stabilitas CatBoost, sehingga menghasilkan model prediktif yang andal untuk mendukung deteksi dini dan pengambilan keputusan klinis terkait risiko penyakit paru-paru