Electronic Resource

Analisis Performa Algoritma XGBoost Pada Klasifikasi Kanker Paru-paru

---

Penelitian ini bertujuan untuk menganalisis performa algoritma Extreme
Gradient Boosting (XGBoost) dalam klasifikasi kanker paru-paru. Pengujian ini
menggunakan dataset yang diperoleh dari kaggle dengan jumlah 220.632 data dan
23 atribut. Metode penelitian ini meliputi eksplorasi, preprocessing data seperti
pembersihan, seleksi, dan transformasi data, serta pembagian data training dan
testing sebanyak lima kali (70%:30%,75%:25%,80%:20%,85%:15%,90%:10%).
Metric evaluasi model seperti akurasi, presisi, recall, dan f1-score digunakan
melalui confusion matrix. Berdasarkan hasil pengujian model XGBoost dengan
pengaturan parameter dapat menunjukkan performa yang baik meskipun proporsi
data training dan testing diubah dengan akurasi tertinggi sebesar 95,76%, presisi
sebesar 96%, recall sebesar 100% dan f1-score sebesar 98%.

---

Ketersediaan

SB00933S

KKI 001.6 ERE a/s

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

KKI 001.6 ERE a/s

Penerbit

Malang : Prodi Teknik Informatika Unikama., 2025

Deskripsi Fisik

xiv, 85 hlm 26 cm

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

001.6

Tipe Isi

text

Tipe Media

PDF

Tipe Pembawa

online resource

Edisi

1

Subjek

klasifikasi
Skripsi
Confusion Matrix
Teknik Informaika
XGBoost
Machine Learning
Kanker Paru-paru

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar