Detail Cantuman

Hepatitis merupakan penyakit peradangan hati, yang menjadi beban kesehatan bagi masyarakat karena penularannya yang begitu mudah. Faktor utama penyebab hepatitis adalah infeksi virus, komplikasi penyakit, alkohol, penyakit autoimun, dan efek obat-obatan. Penelitian ini bertujuan untuk mengetahui performansi akurasi dari validasi identifikasi penyakit hepatitis berdasarkan hasil pemeriksaan laboratorium menggunakan seleksi fitur Backward Elimination dan klasifikasi XGBoost. Penelitian ini menggunakan klasifikasi XGBoost yang dapat menangani masalah machine learning, dan Backward Elimination yang merupakan salah satu metode seleksi fitur yang digunakan untuk meningkatkan akurasi dengan cara mengurangi jumlah fitur yang kurang signifikan dalam proses klasifikasi data. Berdasarkan hasil pengujian yang diperoleh, penggunaan fitur yang dihasilkan dari proses Backward Elimination, dengan nilai fitur mean pada missing value treatment, dan dengan hyperparameter Random Search, memperoleh accuracy 98.958%, precision 98.934%, recall 98.934%, dan f1 score 98.934%, serta proses pelatihan model ditempuh dengan waktu pelatihan 0.64 s. Secara keseluruhan, penggunaan seleksi fitur Backward Elimination pada model XGBoost dapat memberikan pengaruh dalam meningkatkan tingkat accuracy dan mengurangi overfitting. Selain itu, penggunaan Backward Elimination juga berpengaruh pada waktu pelatihan dengan waktu pelatihan model yang lebih cepat.