eprintid: 32237
rev_number: 16
eprint_status: archive
userid: 12
dir: disk0/00/03/22/37
datestamp: 2026-07-20 03:01:42
lastmod: 2026-07-20 03:01:42
status_changed: 2026-07-20 03:01:42
type: thesis
metadata_visibility: show
creators_name: Rettob, Joe Fauzsanno
creators_nim: 22.11.4794
contributors_name: Emigawaty, Emigawaty
corp_creators: Universitas AMIKOM Yogyakarta
title: OPTIMASI PREDKSI RISIKO PENYAKIT JANTUNG
MENGGUNAKAN METODE HYBRID GRADIENT BOOSTIG  
BERBASIS KOMBINASI MODEL XGBOOST DAN LIGHTGBM
ispublished: pub
subjects: 000.000.000A
subjects: 000.000.006
divisions: if
full_text_status: restricted
keywords: Penyakit jantung, Hybrid gradient boosting, XGBoost, LightGBM,
Prediksi risiko, Heart disease, Risk prediction.
abstract: Penyakit jantung merupakan salah satu penyebab utama kematian dengan angka
prevalensi yang terus meningkat dan berdampak signifikan terhadap kualitas hidup
masyarakat serta beban sistem kesehatan. Keterlambatan dalam mendeteksi risiko
penyakit jantung menyebabkan penanganan medis sering dilakukan pada tahap
lanjut, sehingga diperlukan pendekatan prediktif yang mampu mengidentifikasi
risiko secara dini dan akurat berbasis data klinis dan demografis. Penelitian ini
bertujuan untuk merancang dan mengimplementasikan model Hybrid Gradient
Boosting berbasis kombinasi algoritma XGBoost dan LightGBM guna
mengoptimalkan performa prediksi risiko penyakit jantung. Tahapan penelitian
meliputi pengumpulan dataset Heart Attack Indonesia, preprocessing data,
exploratory data analysis (EDA), feature engineering, pembagian data latih dan data
uji, pelatihan model XGBoost dan LightGBM, serta evaluasi kinerja model
menggunakan metrik akurasi, precision, recall, dan F1-score. Selain itu, dilakukan
cross-validation untuk menguji kemampuan generalisasi model serta analisis
feature importance dan SHAP untuk meningkatkan interpretabilitas model. Hasil
penelitian menunjukkan bahwa pendekatan Hybrid Gradient Boosting mampu
menghasilkan performa prediksi yang optimal, stabil, dan memiliki kemampuan
generalisasi yang baik. Variabel usia, tekanan darah, kadar kolesterol, dan indeks
massa tubuh (BMI) terbukti berpengaruh signifikan terhadap risiko penyakit
jantung. Penelitian ini berkontribusi dalam pengembangan model prediksi yang
akurat dan dapat diinterpretasikan, serta dapat dimanfaatkan oleh tenaga medis,
institusi kesehatan, dan peneliti sebagai alat bantu pengambilan keputusan dan
pengembangan sistem pendukung diagnosis penyakit jantung.
date: 2026-01-20
date_type: published
institution: Universitas AMIKOM Yogyakarta
department: Fakultas Ilmu Komputer
thesis_type: bachelor
thesis_name: skripsi
citation:   Rettob, Joe Fauzsanno  (2026) OPTIMASI PREDKSI RISIKO PENYAKIT JANTUNG MENGGUNAKAN METODE HYBRID GRADIENT BOOSTIG BERBASIS KOMBINASI MODEL XGBOOST DAN LIGHTGBM.  S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.   
document_url: https://eprints.amikom.ac.id/id/eprint/32237/1/COVER.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32237/2/BAB%20I.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32237/3/BAB%20II.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32237/4/BAB%20III.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32237/5/BAB%20IV.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32237/6/BAB%20V.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32237/7/Daftar%20Pustaka.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32237/8/Sourcecode%20-%2022.11.4794.zip
document_url: https://eprints.amikom.ac.id/id/eprint/32237/9/Publikasi.pdf