IMPLEMENTASI ALGORITMA LGBM MENGGUNAKAN OPTIMASI OPTUNA DALAM KLASIFIKASI PENYAKIT DIABETES

Abstract

Penyakit diabetes merupakan salah satu masalah kesehatan global dengan prevalensi yang terus meningkat termasuk di Indonesia. Deteksi dini sangat penting untuk mencegah komplikasi serius, sehingga dibutuhkan model klasifikasi yang akurat dan efisien. Perkembangan machine learning telah menyediakan pendekatan komputasional yang efektif dalam mendukung proses klasifikasi penyakit serta prediksi risiko. Algoritma Light Gradient Boosting Machine (LGBM) menjadi pilihan karena unggul dalam kecepatan pelatihan dan akurasi prediksi. Namun, performa LGBM sangat dipengaruhi oleh pemilihan hyperparameter yang optimal sehingga diperlukan proses optimasi untuk mendapatkan hasil terbaik. Penelitian ini bertujuan untuk membangun dan mengevaluasi model prediksi diabetes menggunakan LGBM yang dioptimalkan dengan Optuna. Pada tahap awal sebelum optimasi, model baseline menghasilkan akurasi sebesar 82.50%. Setelah dilakukan optimasi hyperparameter menggunakan Optuna, performa model meningkat signifikan dengan mencapai akurasi 96.50%. Temuan ini menunjukkan bahwa LGBM yang dioptimalkan dengan Optuna mampu menghasilkan model klasifikasi diabetes yang sangat akurat dan efisien. Model ini berpotensi digunakan sebagai alat pendukung dalam deteksi dini risiko diabetes untuk membantu proses pengambilan keputusan di layanan kesehatan