Klasifikasi Liver Cirrhosis Menggunakan Teknik Ensemble: Studi Perbandingan Model Boosted Tree, Bagged Tree, dan Rusboosted Tree

Abstract

Penyakit liver cirrhosis, sebagai penyakit hati kronis yang signifikan, menunjukkan peningkatan prevalensi global yang memerlukan pendekatan pencegahan yang lebih efektif. Dalam upaya meningkatkan deteksi dini dan manajemen pasien, penelitian ini mengusulkan pengembangan model prediksi risiko liver cirrhosis menggunakan teknologi machine learning, khususnya dengan membandingkan kinerja tiga model ensemble tree: Ensemble Boosted Tree, Ensemble Bagged Tree, dan Ensemble RUSBoosted Tree. Dengan memanfaatkan data klinis dan laboratorium dari pasien dewasa dengan riwayat atau risiko cirrhosis, penelitian ini menghasilkan temuan bahwa Ensemble Bagged Tree mencapai akurasi tertinggi sebesar 71%, diikuti oleh Ensemble Boosted Tree (67.2%) dan Ensemble RUSBoosted Tree (66%). Analisis variabel klinis dan laboratorium memberikan wawasan lebih lanjut tentang kontribusi faktor-faktor yang paling signifikan dalam prediksi risiko. Hasil penelitian ini memberikan landasan untuk pengembangan alat prediksi risiko liver cirrhosis yang lebih canggih, mendukung visi pencegahan yang lebih personalisasi dan efektif dalam manajemen penyakit hati.