Systematic Literature Review Penerapan Gradient Boosting Untuk Klasifikasi Penyakit Diabetes Tipe 2
Keywords:
Algoritma Gradient Boosting, Klasifikasi Penyakit Diabetes Tipe 2, Machine LearningAbstract
Penerapan algoritma Gradient Boosting dalam klasifikasi penyakit diabetes tipe 2 telah menunjukkan hasil yang signifikan dalam meningkatkan akurasi diagnosis. Penelitian inimengkajiberbagai studi yang menggunakan Gradient Boosting untuk memprediksi diabetes tipe 2 dengan memanfaatkan dataset medis. Hasil menunjukkan bahwa algoritma ini mampu mencapai akurasi hingga 82%, lebih baik dibandingkan dengan metode lain seperti Random Forest dan Naïve Bayes. Dengan mengidentifikasi fitur-fitur penting yang berkontribusi terhadap perkembangan diabetes, Gradient Boosting tidak hanya meningkatkan akurasi tetapi juga memberikan wawasan berharga untuk pencegahan dan pengelolaan penyakit ini. Hasil penelitian ini mendemonstrasikan potensi machine learning dalam diagnosis dini diabetes, yang penting untuk pengelolaan kesehatan masyarakat.
References
Adiwijaya, A., & Al-Faraby, M. (2017). Comparative Analysis of Accuracy of Random Forest and Gradient Boosting Classifier for Diabetes Prediction. Jurnal Wicida.
Salma Irena, & Febriastia. (2024). Klasifikasi Penyakit Diabetes Mellitus Tipe II Berbasis Machine Learning Menggunakan LightGBM. Skripsi, Universitas Lampung.
Cendani, L. M., & Wibowo, A. (2022). Penerapan Machine Learning dalam Prediksi Diabetes Melitus dengan Algoritma Gradient Boosting Machine. Jurnal Masyarakat Informatika.
Friedman, J. H. (2001). Greedy Function Approximation: A Gradient Boosting Machine. The Annals of Statistics, 29(5), 1189-1232.
Kitchenham, B., & Charters, S. (2007). Guidelines for performing systematic literature reviews in software engineering. EBSE Technical Report.
RomiSatriaWahono.Net. (2016). Systematic Literature Review: Pengantar, Tahapan dan Studi Kasus.
Hastie, T., Tibshirani, R., & Friedman, J. (2009). The elements of statistical learning: Data mining, inference, and prediction. Springer Science & Business Media.
James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An introduction to statistical learning: With applications in R. Springer Science & Business Media.
Booth, A., & Sutton, J. (2005). Systematic approaches to a literature review. Sage Publications.)
