eprintid: 33054
rev_number: 15
eprint_status: archive
userid: 12
dir: disk0/00/03/30/54
datestamp: 2026-09-29 07:01:36
lastmod: 2026-09-29 07:01:36
status_changed: 2026-09-29 07:01:36
type: thesis
metadata_visibility: show
creators_name: Aryawiduta, Wisnala
creators_nim: 22.11.5168
contributors_name: -, Emigawaty
corp_creators: Universitas AMIKOM Yogyakarta
title: PENERAPAN ALGORITMA LIGHTGBM DAN ANALISIS
SHAP UNTUK PREDIKSI RISIKO PENYAKIT STROKE
ispublished: pub
subjects: 000.000.005
divisions: if
full_text_status: restricted
keywords: Stroke, LightGBM, SHAP, Machine Learning, Prediksi, Prediction.
abstract: Stroke merupakan salah satu penyebab utama kematian dan kecacatan di
dunia, dengan prevalensi yang terus meningkat di Indonesia sehingga memerlukan
deteksi dini yang akurat guna mencegah dampak kesehatan yang serius. Pendekatan
manual konvensional memiliki keterbatasan dalam menangani data kesehatan yang
kompleks dan berjumlah besar. Penelitian ini bertujuan untuk menerapkan
algoritma Light Gradient Boosting Machine (LightGBM) dalam membangun
model prediksi risiko stroke serta menggunakan analisis SHapley Additive
exPlanations (SHAP) untuk memberikan interpretasi terhadap hasil prediksi
tersebut. Metode penelitian melibatkan pengolahan Stroke Prediction Dataset yang
mencakup 5.110 sampel dengan 12 variabel medis. Tahapan penelitian meliputi
preprocessing data seperti penanganan nilai hilang pada fitur BMI, label encoding,
serta pembagian data menjadi set pelatihan dan pengujian dengan rasio 80:20.
Model LightGBM dioptimasi menggunakan parameter scale_pos_weight untuk
menangani ketidakseimbangan kelas agar lebih sensitif dalam mendeteksi kasus
positif. Hasil penelitian menunjukkan bahwa model LightGBM mencapai nilai
AUC sebesar 0,83 dan recall sebesar 82%, yang menandakan kemampuan deteksi
yang kuat terhadap pasien berisiko stroke. Analisis SHAP berhasil mengidentifikasi
bahwa variabel usia, indeks massa tubuh (BMI), dan kadar glukosa rata-rata
merupakan fitur paling berpengaruh terhadap prediksi. Model ini diharapkan dapat
menjadi alat bantu bagi tenaga medis dalam mendukung upaya deteksi dini risiko
stroke secara lebih transparan dan efisien. Penelitian mendatang disarankan untuk
melakukan optimasi hyperparameter lebih lanjut guna meningkatkan presisi pada
kelas minoritas.
date: 2026-03-02
date_type: published
institution: Universitas AMIKOM Yogyakarta
department: Fakultas Ilmu Komputer
thesis_type: bachelor
thesis_name: skripsi
citation:   Aryawiduta, Wisnala  (2026) PENERAPAN ALGORITMA LIGHTGBM DAN ANALISIS SHAP UNTUK PREDIKSI RISIKO PENYAKIT STROKE.  S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.   
document_url: https://eprints.amikom.ac.id/id/eprint/33054/1/COVER.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/33054/2/BAB%20I.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/33054/3/BAB%20II.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/33054/4/BAB%20III.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/33054/5/BAB%20IV.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/33054/6/BAB%20V.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/33054/7/Daftar%20Pustaka%20dan%20Lampiran.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/33054/8/Sourcecode%20-%2022.11.5168.zip
document_url: https://eprints.amikom.ac.id/id/eprint/33054/9/Publikasi.pdf