Penerapan Algoritma Extreme Gradient Boosting (XGBOOST) dalam Klasifikasi Celiac Disease

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Alfirdausy, Roudlotul Jannah (2023) Penerapan Algoritma Extreme Gradient Boosting (XGBOOST) dalam Klasifikasi Celiac Disease. Undergraduate thesis, UIN Sunan Ampel Surabaya.

	Text Roudlotul Jannah Alfirdausy_09030220048 OK.pdf Download (1MB)
	Text Roudlotul Jannah Alfirdausy_09030220048 Full.pdf Restricted to Repository staff only until 11 January 2027. Download (1MB)

Abstract

Celiac Disease (CeD) merupakan gangguan autoimun yang dipicu oleh konsumsi gluten yang berinteraksi dengan sistem imun di usus melalui Human Leukocyte Antigen (HLA). Kejadian rata-rata Celiac Disease dilaporkan antara 0,5% hingga 1% di seluruh dunia, namun hanya sekitar 30% kasus yang didiagnosis dengan benar. Diagnosis Celiac Disease saat ini masih menjadi tantangan bagi para profesional medis. Proses diagnosis yang akurat dan tepat waktu sangat penting untuk menghindari komplikasi yang lebih serius. Namun, diagnosis CeD sering kali memerlukan serangkaian tes yang rumit, termasuk tes darah, biopsi usus halus, dan eliminasi gluten dari diet. XGBoost merupakan teknik pembelajaran mesin yang memanfaatkan ensemble learning yang menggunakan decicion tree sebagai base learner. Pada penelitian ini menggunakan metode XGBoost sebagai pembelajaran mesin yang akan digunakan untuk mengklasifikasi Celiac Disease dengan akurat dan efisien. Penelitian ini melakukan uji coba pada max_depth, n_estimator, gamma dan learning rate menggunakan 5-fold crossvalidation. Tuning parameter yang dilakukan berhasil memberikan peningkatan sebesar 0.45% dari nilai akurasi dengan parameter default XGBoost sebesar 98.19%. Setelah dilakukan tuning parameter didapatkan hasil evaluasi terbaik dalam uji coba pada parameter max_depth sebesar 3, n_estimator sebanyak 100 , gamma sebesar 0 dan learning rate adalah 0.3 dan 0.5. Model tersebut menghasilkan tingkat akurasi sebesar 98.64%, sensitivitas mencapai 98.43% dan spesifisitas sebesar 99.72%.

Statistic

Downloads from over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

Item Type:	Thesis (Undergraduate)
Creators:	Creators Email NIM Alfirdausy, Roudlotul Jannah firdausy1213@gmail.com 09030220048
Contributors:	Contribution Name Email NIDN Thesis advisor Ulinnuha, Nurissaidah nuris.ulinnuha@uinsby.ac.id 2002119001 Thesis advisor Utami, Wika Dianita wikadianita@uinsby.ac.id --
Subjects:	Matematika
Keywords:	Klasifikasi; XGBoost; Celiac Disease
Divisions:	Fakultas Sains dan Teknologi > Studi Matematika
Depositing User:	Roudlotul Jannah Alfirdausy
Date Deposited:	11 Jan 2024 12:34
Last Modified:	02 Feb 2024 08:33
URI:	http://digilib.uinsa.ac.id/id/eprint/67332

Actions (login required)

View Item