Perbandingan Kinerja Algoritma Random Forest, XGBoost, dan CatBoost untuk Klasifikasi Risiko Diabetes

Abstract

Penelitian ini berfokus pada analisis perbandingan performa Random Forest, XGBoost, dan CatBoost dalam melakukan prediksi risiko diabetes dengan menggunakan dataset Health and Lifestyle Data for Diabetes Prediction dari Kaggle. Metode penelitian yang digunakan adalah pendekatan kuantitatif yang terdiri atas beberapa proses, mulai dari pengumpulan dan preprocessing data, pemilihan variabel target serta fitur, hingga proses pelatihan dan pengujian model. Dataset dibagi dengan metode Stratified Train-Test Split menggunakan proporsi 80:20 untuk menjaga distribusi kelas pada data latih dan data uji. Selanjutnya, performa masing-masing algoritma dianalisis berdasarkan accuracy, precision, recall, F1-score, serta confusion matrix. Hasil pengujian memperlihatkan bahwa seluruh algoritma yang digunakan mampu memberikan hasil klasifikasi dengan tingkat akurasi di atas 91%. XGBoost menghasilkan performa terbaik dengan akurasi 91,61%, sedangkan Random Forest mencapai 91,45% dan CatBoost sebesar 91,34%. Hasil pengukuran precision, recall, dan F1-score juga memperlihatkan performa klasifikasi yang relatif seimbang pada ketiga algoritma. Berdasarkan hasil tersebut, metode ensemble learning memiliki kemampuan yang baik dalam mengidentifikasi risiko diabetes dengan memanfaatkan karakteristik kesehatan dan gaya hidup. Di antara algoritma yang dibandingkan, XGBoost memberikan hasil paling optimal pada dataset yang digunakan sehingga dapat dipertimbangkan sebagai model yang paling sesuai dalam penelitian ini. Penelitian ini dapat menjadi bahan acuan untuk pengembangan sistem prediksi risiko diabetes dengan pendekatan Machine Learning. Pengembangan lebih lanjut dapat dilakukan dengan menerapkan optimasi hyperparameter, teknik cross-validation, dan dataset dengan karakteristik yang lebih beragam agar model memiliki kemampuan generalisasi yang lebih baik.

GS Cited Analysis