TRILOGITRILOGI
Jurnal Sistem Informasi dan Sains TeknologiJurnal Sistem Informasi dan Sains TeknologiPenelitian ini bertujuan mengevaluasi kinerja model Gradient Boosted Trees (GBT) dalam memprediksi status komorbiditas (ada/tidak ada) pada pasien batu empedu. Data berasal dari UCI Machine Learning Repository dan mencakup 319 individu dengan 38 fitur klinis. Proses pemodelan meliputi pembersihan data, transformasi fitur, pembagian data dengan rasio 70:30 untuk pelatihan dan pengujian, pelatihan model GBT dengan skema 10‑fold cross‑validation, serta evaluasi menggunakan empat metrik utama, yaitu akurasi, classification error, weighted mean precision, dan weighted mean recall. Hasil eksperimen menunjukkan akurasi 82,29%, classification error 17,71%, weighted mean precision 89,63%, dan weighted mean recall 72,58%. Analisis lebih lanjut mengungkap precision sempurna pada kelas komorbiditas dan recall sempurna pada kelas tanpa komorbiditas, sementara recall kelas komorbiditas hanya 45,16%, yang mengindikasikan bias model terhadap kelas mayoritas dan keterbatasan dalam mendeteksi pasien berkomorbid. Temuan ini menunjukkan bahwa GBT merupakan pendekatan menjanjikan sebagai alat bantu keputusan untuk mengonfirmasi komorbiditas, namun masih kurang ideal sebagai alat skrining awal. Penelitian lanjutan disarankan menerapkan teknik penanganan ketidakseimbangan kelas, optimasi hyperparameter, penyesuaian threshold, serta pembandingan dengan algoritma ensemble lain guna meningkatkan sensitivitas dan generalisasi model.
Penelitian ini menunjukkan bahwa model Gradient Boosted Trees memperoleh akurasi 82,29 % dan precision 100 % pada kelas komorbiditas, namun recall hanya 45,16 % sehingga sebagian besar pasien berkomorbid tidak terdeteksi.Model cenderung bias terhadap kelas mayoritas dengan false negative tinggi, sehingga lebih cocok sebagai alat konfirmasi dibandingkan sebagai skrining awal.Untuk meningkatkan sensitivitas, disarankan menggunakan teknik penanganan ketidakseimbangan kelas dan penyesuaian threshold.
Penelitian selanjutnya dapat meningkatkan sensitivitas deteksi komorbiditas dengan mengevaluasi teknik penanganan ketidakseimbangan kelas seperti SMOTE atau class weighting, serta menyesuaikan ambang keputusan threshold agar seimbang antara precision dan recall sesuai kebutuhan klinis; penelitian dapat memperluas pencarian hyperparameter secara lebih terperinci menggunakan grid search atau Bayesian optimization untuk memaksimalkan kinerja model pada kelas minoritas; serta melakukan perbandingan kinerja model GBT dengan algoritma ensemble alternatif seperti XGBoost, LightGBM, atau CatBoost pada dataset multi‑sumber, sambil menambahkan analisis interpretabilitas fitur agar hasil prediksi dapat dipahami oleh tenaga medis dan memperkuat validasi eksternal guna memastikan generalisasi model ke populasi pasien yang berbeda.
- | JAA | Dove Medical Press. jaa dove medical press doi.org/10.2147/JAA.S512405JAA Dove Medical Press jaa dove medical press doi 10 2147 JAA S512405
- Fine-Grained System Identification of Nonlinear Neural Circuits | Proceedings of the 27th ACM SIGKDD... dl.acm.org/doi/10.1145/3447548.3467402Fine Grained System Identification of Nonlinear Neural Circuits Proceedings of the 27th ACM SIGKDD dl acm doi 10 1145 3447548 3467402
- Risk stratification for COVID-19 hospitalization: a multivariable model based on gradient-boosting decision... doi.org/10.9778/cmajo.20210036Risk stratification for COVID 19 hospitalization a multivariable model based on gradient boosting decision doi 10 9778 cmajo 20210036
- EXplainable AI for Decision Support to Obesity Comorbidities Diagnosis | IEEE Journals & Magazine... ieeexplore.ieee.org/document/10265033EXplainable AI for Decision Support to Obesity Comorbidities Diagnosis IEEE Journals Magazine ieeexplore ieee document 10265033
| File size | 563.05 KB |
| Pages | 17 |
| DMCA | Report |
Related /
PNLPNL Hasil penelitian ini ditemukan informasi tentang pemahaman masyarakat Kota Langsa terhadap teknik, cara, dan metode-metode yang bermanfaat dalam membaca.Hasil penelitian ini ditemukan informasi tentang pemahaman masyarakat Kota Langsa terhadap teknik, cara, dan metode-metode yang bermanfaat dalam membaca.
KOPERTAIS4KOPERTAIS4 Aspek context menunjukkan kesadaran sekolah terhadap kebutuhan pengembangan SDM meskipun menghadapi kekurangan tenaga pendidik, dengan respons melaluiAspek context menunjukkan kesadaran sekolah terhadap kebutuhan pengembangan SDM meskipun menghadapi kekurangan tenaga pendidik, dengan respons melalui
IPDNIPDN Penelitian ini merekomendasikan peningkatan alokasi anggaran, penguatan kapasitas SDM, serta penyempurnaan koordinasi antarinstansi untuk meningkatkanPenelitian ini merekomendasikan peningkatan alokasi anggaran, penguatan kapasitas SDM, serta penyempurnaan koordinasi antarinstansi untuk meningkatkan
UBMUBM 5 terbukti efektif dalam mengklasifikasikan pelanggan menjadi loyal dan churn. Proses klasifikasi berdasarkan nilai confidence menghasilkan prediksi yang5 terbukti efektif dalam mengklasifikasikan pelanggan menjadi loyal dan churn. Proses klasifikasi berdasarkan nilai confidence menghasilkan prediksi yang
UNDANAUNDANA 222.653 per hektar; (3) Tingkat risiko produksi, risiko benih, dan risiko tenaga kerja pada usahatani kacang hijau tergolong tinggi, sedangkan risiko luas222.653 per hektar; (3) Tingkat risiko produksi, risiko benih, dan risiko tenaga kerja pada usahatani kacang hijau tergolong tinggi, sedangkan risiko luas
NURUL FIKRINURUL FIKRI Pendekatan penelitian ini adalah kuantitatif menggunakan regresi linier dengan algoritma XGB Regressor. Hasil pembuatan machine learning prediksi tarifPendekatan penelitian ini adalah kuantitatif menggunakan regresi linier dengan algoritma XGB Regressor. Hasil pembuatan machine learning prediksi tarif
NURUL FIKRINURUL FIKRI Model algoritma CNN menggunakan Transfer Learning arsitektur MobilenetV2 dan metode transfer learning. Hasil penelitian ini menunjukkan evaluasi modelModel algoritma CNN menggunakan Transfer Learning arsitektur MobilenetV2 dan metode transfer learning. Hasil penelitian ini menunjukkan evaluasi model
UIN Ar-RaniryUIN Ar-Raniry Penelitian ini berhasil mengembangkan model Convolutional Neural Network (CNN) dengan akurasi 85. Model ini menunjukkan kemampuan yang baik dalam mengenaliPenelitian ini berhasil mengembangkan model Convolutional Neural Network (CNN) dengan akurasi 85. Model ini menunjukkan kemampuan yang baik dalam mengenali
Useful /
POLNAMPOLNAM Sampel pada penelitian ini adalah 31 responden. Teknik analisis yang digunakan adalah analisis regresi linear sederhana, di mana uji hipotesis menggunakanSampel pada penelitian ini adalah 31 responden. Teknik analisis yang digunakan adalah analisis regresi linear sederhana, di mana uji hipotesis menggunakan
IPDNIPDN Temuan penelitian menunjukkan bahwa kebijakan pengelolaan sampah di Tempat Pengolahan Sampah Terpadu (TPST) Sandubaya di Kota Mataram telah efektif mengurangiTemuan penelitian menunjukkan bahwa kebijakan pengelolaan sampah di Tempat Pengolahan Sampah Terpadu (TPST) Sandubaya di Kota Mataram telah efektif mengurangi
IPDNIPDN 245 hektar dan dominasi komoditas hortikultura yang masih belum optimal, pembinaan kelompok tani menjadi strategi utama yang diterapkan pemerintah daerah245 hektar dan dominasi komoditas hortikultura yang masih belum optimal, pembinaan kelompok tani menjadi strategi utama yang diterapkan pemerintah daerah
UNIVEDUNIVED Penelitian ini bertujuan untuk mendeskripsikan. Penelitian ini merupakan penelitian deskriptif kualitatif. Guru memiliki peran yang besar terhadap penerapanPenelitian ini bertujuan untuk mendeskripsikan. Penelitian ini merupakan penelitian deskriptif kualitatif. Guru memiliki peran yang besar terhadap penerapan