Evaluasi dan Perbandingan Metode XGBoost dan LightGBM Dalam Deteksi Dini Penyakit Alzheimer

Abstrak

Deteksi awal penyakit Alzheimer menjadi langkah kunci dalam melambatkan perkembangan penyakit dan meningkatkan kualitas hidup pasien. Penelitian ini mengevaluasi serta membandingkan kinerja algoritma XGBoost dan LightGBM dalam diagnosis penyakit Alzheimer, menggunakan dataset longitudinal yang mencakup 2.149 subjek. Dataset ini telah melalui proses pra-pemrosesan yang teliti, mencakup penanganan missing data, seleksi fitur, dan penghapusan data duplikat untuk memastikan keandalan data tersebut. Penilaian model dilakukan berdasarkan parameter akurasi, presisi, recall, F1-score, dan Mean Squared Error (MSE). Hasil penelitian menunjukkan bahwa algoritma LightGBM unggul dengan tingkat akurasi 87%, presisi 87%, recall 85%, F1-score 85%, dan MSE sebesar 0,12. Kelebihan LightGBM termasuk efisiensi komputasional serta kemampuan dalam mengelola data dalam skala besar, menjadikannya lebih efektif dibandingkan XGBoost. Studi ini memberikan panduan dalam pemilihan algoritma optimal untuk aplikasi klinis, sehingga dapat mendukung intervensi dini yang lebih efektif dalam pencegahan dampak buruk penyakit Alzheimer.

Identifier

• DOI: https://doi.org/10.30873/jodmapps.v2i1.1359
• OpenAlex: https://openalex.org/W7167893564