Algoritma Iterative Dichotomizer 3 (ID3) dan Extreme Gradient Boosting (XGBOOST) untuk Memprediksi Penyakit Polycystic Ovarian Syndrome (PCOS)

Algoritma Iterative Dichotomizer 3 (ID3) dan Extreme Gradient Boosting (XGBOOST) untuk Memprediksi Penyakit Polycystic Ovarian Syndrome (PCOS)

PCOS; ID3; XGBoost; pemisahan persentase; validasi silang k-fold

Polycystic Ovary Syndrome (PCOS) adalah kelainan hormon reproduksi wanita yang dapat dideteksi
dengan membandingkan algoritma iterative dichotomiser 3 (ID3) dan extreme gradient boosting
(XGBoost). Perbandingan antara kedua algoritma ini memiliki tujuan untuk mengidentifikasi algoritma
yang paling efektif dalam mengklasifikasikan penyakit PCOS. Pengujian kedua algoritma dilakukan
menggunakan dua metode, yaitu teknik pemisahan persentase dan validasi silang k-fold. Teknik
pemisahan persentase, dataset dipecah menjadi 80% untuk proses pelatihan serta 20% untuk proses
pengujian. Teknik validasi silang k-fold menggunakan nilai k sebanyak 10, dimana data dibagi menjadi
sepuluh bagian yang digunakan secara bergantian untuk pelatihan dan pengujian. Hasil perbandingan
menujukkan bahwa teknik validasi silang k-fold memberikan kinerja yang lebih unggul dibandingkan
dengan teknik pemisahan persentase, karena teknik ini secara signifikan meningkatkan nilai presisi,
sensitivitas, dan ketepatan akurasi dari setiap algoritma yang dievaluasi. XGBoost mencapai presisi
sebesar 88%, sensitivitas 87%, dan tingkat akurasi 89% setiap algoritma yang diuji. Berdasarkan hasil
ini dapat disimpulkan bahwa penggunaan validasi silang k-fold menjadikan XGBoost sebagai algoritma
yang lebih efektif dalam mengindetifikasi PCOS, dibandingkan dengan algoritma dan teknik pengujian lainnya.

Dina Mustaqima, Siti Husnul Hotimah, Anita Desiani, Indri Ramayant

https://jsi.ejournal.unsri.ac.id/index.php/jsi/article/view/224

Universitas Sriwijaya

Apr 30, 2025

Sri Wahyuni

E-ISSN :2355-4614

PDF

Indonesian

Text