<![CDATA[Penyakit asam lambung merupakan gangguan pencernaan yang memiliki gejala saling menyerupai pada beberapa jenis penyakit, khususnya Dispepsia, Gastroesophageal Reflux Disease (GERD), dan Gastritis. Kesamaan gejala tersebut dapat menyulitkan identifikasi awal sehingga diperlukan pendekatan klasifikasi berbasis data. Penelitian ini menerapkan metode Light Gradient Boosting Machine (LightGBM) untuk mengklasifikasikan jenis penyakit asam lambung berdasarkan data gejala pasien RSUD Daya Kota Makassar. Dataset yang digunakan berjumlah 976 data pasien dengan 19 atribut gejala dan tiga kelas diagnosis. Tahapan penelitian meliputi preprocessing, transformasi nilai gejala menjadi numerik, label encoding diagnosis, pembagian data latih dan data uji, pelatihan model LightGBM, serta evaluasi menggunakan accuracy, precision, recall, F1-score, confusion matrix, dan feature importance. Model menggunakan konfigurasi default LGBMClassifier tanpa proses hyperparameter tuning. Hasil pengujian menunjukkan bahwa skenario utama 80:20 menghasilkan accuracy 88,78%, precision 88,93%, recall 88,78%, dan F1-score 88,81%, sedangkan skenario 90:10 memperoleh accuracy tertinggi sebesar 89,80%. Fitur paling berpengaruh adalah mual, diare, muntah, anemia, dan gangguan tidur. Hasil ini menunjukkan bahwa LightGBM efektif sebagai model pendukung identifikasi awal jenis penyakit asam lambung berdasarkan gejala pasien.]]>
Copyrights © 2026
