View/Open

Author
Ahmad, Zain Mahmud

Date Published
22 Jun 2026

Advisor
Martin Clinton Tosima Manullang, S.T., M.T., Ph.D.,
Angga Wijaya, S.Si., M.Si.,

Subject
Teknik Informatika

Publisher

Penerapan algoritma Machine Learning pada Big Data rekam medis sering kali terhambat oleh fenomena Curse of Dimensionality akibat transformasi data kategorikal (encoding) yang membebani komputasi. Penelitian ini mengusulkan penerapan teknik Hybrid Encoding guna menyeimbangkan efisiensi komputasi dan akurasi dalam memprediksi risiko serangan jantung di Indonesia. Untuk mengukur ketangguhannya, efisiensi skenario encoding (One-Hot, Ordinal, dan Hybrid) diuji secara komparatif (benchmarking) menggunakan empat algoritma: Random Forest, Support Vector Machine (SVM), Gradient Boosting, dan XGBoost dengan metode 5-Fold Cross Validation pada 158.355 data rekam medis. Hasil penelitian menunjukkan bahwa integrasi Gradient Boosting (GBC) dengan Hybrid Encoding merupakan rancangan komputasi paling optimal, mencatatkan F1-Score tertinggi sebesar 73,48

URI
https://repo.itera.ac.id/depan/submission/SB2606260039

Keyword
Machine Learning Big Data Curse of Dimensionality Hybrid Encoding Gradient Boosting