IAESONLINEIAESONLINE
Indonesian Journal of Electrical Engineering and Informatics (IJEEI)Indonesian Journal of Electrical Engineering and Informatics (IJEEI)Metode ensemble machine learning telah berkembang menjadi pendekatan kuat untuk meningkatkan presisi dan ketahanan model prediktif melalui integrasi berbagai algoritma pembelajaran. Penelitian ini memperkenalkan kerangka klasifikasi ensemble inovatif yang menggunakan pendekatan soft voting yang menggabungkan tiga teknik gradient boosting, yaitu XGBoost, LightGBM, dan CatBoost, untuk meningkatkan efektivitas prediksi penyakit jantung. Model dievaluasi menggunakan empat dataset yang berbeda (Heart Attack Risk Prediction Dataset, Heart Attack Dataset, Cleveland Heart Disease dataset, dan Heart Disease Dataset) yang diperoleh dari Kaggle dan repositori lainnya, masing-masing merefleksikan berbagai populasi dan variabel diagnostik. Dengan menerapkan pra-pemrosesan yang menyeluruh, pemilihan fitur yang hati-hati, dan pembagian training-testing-validating yang seimbang, sistem mencapai kinerja klasifikasi yang andal dan luar biasa. Temuan eksperimental menunjukkan bahwa pendekatan ensemble yang diusulkan jauh melebihi model klasik dan mandiri, mencapai akurasi sempurna atau hampir sempurna pada semua dataset, dengan akurasi puncak mencapai 100% pada dataset pertama, 98% pada dataset kedua, 100% pada dataset ketiga, dan 98,4% pada dataset keempat. Pencapaian kerangka kerja ini menunjukkan kelayakannya untuk digunakan di dunia nyata dalam sistem dukungan keputusan klinis dan menekankan efisiensi metode ensemble dalam diagnosis medis.
Hasil eksperimental menunjukkan bahwa model ensemble yang menggabungkan XGBoost, LightGBM, dan CatBoost dalam pendekatan soft voting outperforms classifiers tunggal dan klasifikasi tradisional.Tingkat sensitivitas dan spesifisitas yang luar biasa pada empat dataset independen juga menunjukkan generalisasi model pada berbagai populasi dan variabel diagnostik, menjamin keandalannya sebagai asisten kuat untuk sistem dukungan keputusan klinis.Ini adalah salah satu langkah kunci dalam penelitian kami.mengintegrasikan tiga mesin gradient boosting yang berbeda yang bekerja bersama, mengarah pada model yang lebih kuat dan kurang varians.Penggunaan pra-pemrosesan yang baik dan metode pemilihan fitur serta pembagian train-test-validation yang baik juga membantu mengurangi overfitting dan menghasilkan skor evaluasi yang lebih dapat dipercaya.Meskipun hasilnya menggembirakan, ada beberapa keterbatasan yang harus diperhatikan.Pelatihan model dan penggabungan prediksi untuk tiga model gradient boosting sekaligus lebih kompleks dan memakan waktu daripada model yang terisolasi, yang mengurangi aplikabilitasnya dalam praktik klinis secara real time di mana sumber daya terbatas.Dengan empat dataset yang digunakan, masing-masing memiliki jumlah data sampel yang kecil tetapi tidak mungkin mewakili semua populasi global.Dataset yang lebih besar dan beragam harus digunakan untuk mengonfirmasi generalisasi model ini.Meskipun ensemble pohon sering memberikan akurasi yang baik, mereka sulit untuk diinterpretasikan dibandingkan dengan pendekatan yang lebih sederhana seperti pohon keputusan atau regresi logistik yang mungkin menjadi hambatan dalam konteks klinis di mana interpretabilitas dianggap penting.
Untuk penelitian lanjutan, disarankan untuk mengembangkan pendekatan hybrid ensemble yang menggabungkan explainable AI untuk menyeimbangkan antara kinerja model dan interpretabilitas dalam sistem dukungan keputusan klinis. Menambahkan metode XAI dapat meningkatkan transparansi dan kepercayaan. Hal ini akan membantu klinisi memahami alasan di balik prediksi. Menguji model pada rentang dataset klinis yang lebih luas dan beragam akan menunjukkan skalabilitasnya dalam sistem kesehatan nyata. Selain itu, meningkatkan efisiensi komputasi dapat memungkinkan penggunaannya pada sistem terbenam atau aplikasi kesehatan seluler untuk pemantauan jarak jauh dan telemedis.
- The Black Sea Journal of Sciences » Submission » Explainable Artificial Intelligence Approach... doi.org/10.31466/kfbd.1473382The Black Sea Journal of Sciences A Submission A Explainable Artificial Intelligence Approach doi 10 31466 kfbd 1473382
- Ensemble Based Machine Learning Approach for Heart Disease Prediction | El Shenbary | Indonesian Journal... section.iaesonline.com/index.php/IJEEI/article/view/7015Ensemble Based Machine Learning Approach for Heart Disease Prediction El Shenbary Indonesian Journal section iaesonline index php IJEEI article view 7015
| File size | 870.24 KB |
| Pages | 19 |
| DMCA | Report |
Related /
IJNMSIJNMS Dari 29 pasien, 58,6% berusia ≥53 tahun dan 62,1% mengalami lama tinggal ICU yang diperpanjang. Skor FOUR ≤10 ditemukan pada 58,6% kohort. Skor FOURDari 29 pasien, 58,6% berusia ≥53 tahun dan 62,1% mengalami lama tinggal ICU yang diperpanjang. Skor FOUR ≤10 ditemukan pada 58,6% kohort. Skor FOUR
POLTEKKES PADANGPOLTEKKES PADANG Pengumpulan data menggunakan angket, pengolahan dengan tahapan editing, coding, entry, cleaning. Analisa dilakukan menggunakan distribusi frequensi ujiPengumpulan data menggunakan angket, pengolahan dengan tahapan editing, coding, entry, cleaning. Analisa dilakukan menggunakan distribusi frequensi uji
IAESCOREIAESCORE Parameter filter yang diturunkan dari algoritma paling efisien diverifikasi menggunakan ANSYS HFSS, menghasilkan dua pita dengan S11=-45 dB dan S21=-0.Parameter filter yang diturunkan dari algoritma paling efisien diverifikasi menggunakan ANSYS HFSS, menghasilkan dua pita dengan S11=-45 dB dan S21=-0.
PROVISIPROVISI Dengan menganalisis data akademik, termasuk Indeks Prestasi Kumulatif (GPA), beban studi, tingkat kehadiran, dan tingkat kegagalan, penelitian ini menggunakanDengan menganalisis data akademik, termasuk Indeks Prestasi Kumulatif (GPA), beban studi, tingkat kehadiran, dan tingkat kegagalan, penelitian ini menggunakan
PDGIPDGI 22 ± 0. 06). The research results indicate that the measurements using PMI in females have a higher average of mandibular cortical density with an average22 ± 0. 06). The research results indicate that the measurements using PMI in females have a higher average of mandibular cortical density with an average
UNIMALUNIMAL Tujuan penelitian ini adalah untuk mendapatkan waktu respon tercepat terhadap gangguan pada level control serta mendapatkan variable Kc, Ti dan Td terbaik.Tujuan penelitian ini adalah untuk mendapatkan waktu respon tercepat terhadap gangguan pada level control serta mendapatkan variable Kc, Ti dan Td terbaik.
UMSBUMSB Hasil: Mayoritas responden memiliki hipertensi derajat I (61,7%), diagnosa diferensiasi sindrom menunjukkan api hati menyebar ke atas (40,0%) dan diagnosaHasil: Mayoritas responden memiliki hipertensi derajat I (61,7%), diagnosa diferensiasi sindrom menunjukkan api hati menyebar ke atas (40,0%) dan diagnosa
SEMINAR IDSEMINAR ID Banyaknya kasus positif Covid 19 membuat mahasiswa diliputi kecemasan dan menambah tingkat distress yang dialaminya. Ditambah lagi dengan tidak dapat melakukanBanyaknya kasus positif Covid 19 membuat mahasiswa diliputi kecemasan dan menambah tingkat distress yang dialaminya. Ditambah lagi dengan tidak dapat melakukan
Useful /
UNIVMEDUNIVMED Protein retinoblastoma (pRb) berinteraksi dengan onkoprotein HPV, menyebabkan destabilisasi, instabilitas genomik, dan karsinogenesis. Penelitian ini bertujuanProtein retinoblastoma (pRb) berinteraksi dengan onkoprotein HPV, menyebabkan destabilisasi, instabilitas genomik, dan karsinogenesis. Penelitian ini bertujuan
IAESONLINEIAESONLINE Signifikansi analisis tinggi pulsa untuk diagnosis mesin berputar tegangan tinggi juga dibahas. Analisis fenomena partial discharge dapat dilakukan menggunakanSignifikansi analisis tinggi pulsa untuk diagnosis mesin berputar tegangan tinggi juga dibahas. Analisis fenomena partial discharge dapat dilakukan menggunakan
IAESONLINEIAESONLINE Penggunaan arsitektur deep learning (DL) seperti U-Net dan GANs memastikan pelatihan model yang aman dan terdistribusi di berbagai rumah sakit. PenelitianPenggunaan arsitektur deep learning (DL) seperti U-Net dan GANs memastikan pelatihan model yang aman dan terdistribusi di berbagai rumah sakit. Penelitian
UNISAPUNISAP Efisiensi yang tinggi pada elektroda TiO2 dari variasi waktu menunjukkan kinerja kerja yang baik pada Dye Sensitized Solar Cell. Dye Sensitized Solar CellsEfisiensi yang tinggi pada elektroda TiO2 dari variasi waktu menunjukkan kinerja kerja yang baik pada Dye Sensitized Solar Cell. Dye Sensitized Solar Cells