Klasifikasi Penyakit Ginjal Kronis Menggunakan Tree- Based Method dengan Teknik Ensemble

Abstract

Penyakit Ginjal Kronis adalah masalah kesehatan global yang prevalensinya terus meningkat serta membebani sistem Kesehatan. Proses diagnosisnya rumit, memakan waktu, dan membutuhkan biaya mahal. Penelitian ini bertujuan mengembangkan model berbasis Machine Learning untuk menyederhanakan proses tersebut. Algoritma yang dibandingkan meliputi Random Forest, Gradient Boosting, dan XGBoost. Data diambil dari platform Kaggle, diproses untuk menangani missing values dan ketidakseimbangan kelas, serta dibagi menjadi data latih dan uji. Tuning parameter dilakukan menggunakan Randomized Search untuk mengoptimalkan model, sedangkan teknik ensemble seperti Voting Classifier diterapkan untuk meningkatkan akurasi. Penelitian ini menunjukkan bahwa kombinasi teknik ensemble dengan algoritma tree-based mampu memberikan peningkatan performa yang signifikan dibandingkan model individu, terutama dalam menangani data yang kompleks dan tidak seimbang.