PENERAPAN METODE LIGHT GRADIENT BOOSTING MACHINE (LIGHTGBM) DALAM KLASIFIKASI JENIS PENYAKIT ASAM LAMBUNG BERDASARKAN GEJALA
Abstract
Penyakit asam lambung merupakan gangguan pencernaan yang memiliki gejala saling menyerupai pada beberapa jenis penyakit, khususnya Dispepsia, Gastroesophageal Reflux Disease (GERD), dan Gastritis. Kesamaan gejala tersebut dapat menyulitkan identifikasi awal sehingga diperlukan pendekatan klasifikasi berbasis data. Penelitian ini menerapkan metode Light Gradient Boosting Machine (LightGBM) untuk mengklasifikasikan jenis penyakit asam lambung berdasarkan data gejala pasien RSUD Daya Kota Makassar. Dataset yang digunakan berjumlah 976 data pasien dengan 19 atribut gejala dan tiga kelas diagnosis. Tahapan penelitian meliputi preprocessing, transformasi nilai gejala menjadi numerik, label encoding diagnosis, pembagian data latih dan data uji, pelatihan model LightGBM, serta evaluasi menggunakan accuracy, precision, recall, F1-score, confusion matrix, dan feature importance. Model menggunakan konfigurasi default LGBMClassifier tanpa proses hyperparameter tuning. Hasil pengujian menunjukkan bahwa skenario utama 80:20 menghasilkan accuracy 88,78%, precision 88,93%, recall 88,78%, dan F1-score 88,81%, sedangkan skenario 90:10 memperoleh accuracy tertinggi sebesar 89,80%. Fitur paling berpengaruh adalah mual, diare, muntah, anemia, dan gangguan tidur. Hasil ini menunjukkan bahwa LightGBM efektif sebagai model pendukung identifikasi awal jenis penyakit asam lambung berdasarkan gejala pasien.
References
J. S. Nirwan, S. S. Hasan, Z. U. Babar, B. R. Conway, and M. Ghori, “Global prevalence and risk factors of gastro-oesophageal reflux disease (GORD): Systematic review with meta-analysis,” Scientific Reports, vol. 10, art. no. 5814, 2020, doi: 10.1038/s41598-020-62795-1.
J. Tack et al., “Functional dyspepsia and its subgroups: Prevalence and impact in the Rome IV Global Epidemiology Study,” Alimentary Pharmacology & Therapeutics, vol. 62, no. 3, pp. 330–339, 2025, doi: 10.1111/apt.70189.
S. N. Fadilah and Y. Herdiana, “Nanoformulasi untuk pengobatan penyakit GERD,” Farmaka, vol. 21, no. 3, pp. 389–398, 2023.
W. Widya, D. L. Badriah, L. Wahyuniar, and Mamlukah, “Faktor-faktor yang berhubungan dengan kejadian dispepsia pada pekerja di PT Hamsina Jaya MPGG Cirebon 2023,” Jurnal Ilmu Kesehatan Bhakti Husada: Health Sciences Journal, vol. 14, no. 2, pp. 361–369, 2023, doi: 10.34305/jikbh.v14i02.924.
S. A. Khusna, V. N. Faridah, and T. P. Lestari, “Faktor penyebab terjadinya gastritis pada remaja di Puskesmas Deket Kabupaten Lamongan,” Jurnal Ilmiah Biosaintropis, vol. 10, no. 1, pp. 90–96, 2024, doi: 10.33474/ejbst.v10i1.596.
M. D. Sinaga and A. A. Fajrin, “Sistem pakar diagnosa penyakit asam lambung pada orang dewasa menggunakan metode forward chaining berbasis web,” Jurnal Comasie, vol. 7, no. 7, pp. 27–35, 2022.
M. A. Iswaniah, Purnawansyah, and S. H. Mansyur, “Sistem pakar pendiagnosa jenis penyakit asam lambung dengan metode Certainty Factor berbasis web (Studi kasus: RS Pelamonia),” LINIER: Literatur Informatika dan Komputer, vol. 2, no. 3, pp. 367–379, 2025.
H. A. Febriani, D. P. Wijaya, A. Pramuntadi, and W. D. Prastowo, “Sistem pakar diagnosa penyakit lambung menggunakan metode Certainty Factor berbasis web,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 4, no. 4, pp. 1290–1300, 2024, doi: 10.57152/malcom.v4i4.1402.
I. Alfariqi, “Penerapan algoritma C4.5 untuk klasifikasi penyakit lambung,” Skripsi, Program Studi Teknik Informatika, Universitas Islam Negeri Sultan Syarif Kasim Riau, Pekanbaru, Indonesia, 2021.
G. Ke, Q. Meng, T. Finley, T. Wang, W. Chen, W. Ma, Q. Ye, and T.-Y. Liu, “LightGBM: A highly efficient gradient boosting decision tree,” in Advances in Neural Information Processing Systems 30, Long Beach, CA, USA, 2017, pp. 3146–3154.
D. D. Rufo, T. G. Debelee, A. Ibenthal, and W. G. Negera, “Diagnosis of diabetes mellitus using gradient boosting machine (LightGBM),” Diagnostics, vol. 11, no. 9, art. no. 1714, 2021, doi: 10.3390/diagnostics11091714.
R. R. Rachmadi, A. Sudarsono, and T. B. Santoso, “Implementasi metode LightGBM untuk klasifikasi kondisi abnormal pada pengemudi sepeda motor berbasis sensor smartphone,” Jurnal Komputer Terapan, vol. 7, no. 2, pp. 218–227, 2021, doi: 10.35143/jkt.v7i2.5164.
T. F. Ramadhan, Asrianda, and Risawandi, “Penerapan metode algoritma SVM (Support Vector Machine) untuk klasifikasi penderita penyakit Gastroesophageal Reflux Disease,” RABIT: Jurnal Teknologi dan Sistem Informasi Univrab, vol. 10, no. 2, pp. 1212–1219, 2025, doi: 10.36341/rabit.v10i2.6466.
P. Moayyedi et al., “ACG and CAG clinical guideline: Management of dyspepsia,” The American Journal of Gastroenterology, vol. 112, no. 7, pp. 988–1013, 2017, doi: 10.1038/ajg.2017.154.
S. C. Shah, M. B. Piazuelo, E. J. Kuipers, and D. Li, “AGA clinical practice update on the diagnosis and management of atrophic gastritis: Expert review,” Gastroenterology, vol. 161, no. 4, pp. 1325–1332.e7, 2021, doi: 10.1053/j.gastro.2021.06.078.
