Optimasi Hyperparameter LightGBM Menggunakan Particle Swarm Optimization untuk Klasifikasi Kanker Payudara

Abstract

Performa model Light Gradient Boosting Machine (LightGBM) pada proses klasifikasi sangat dipengaruhi oleh konfigurasi hiperparameter yang digunakan. Penelitian ini mengusulkan penerapan Particle Swarm Optimization (PSO) untuk memperoleh kombinasi hiperparameter yang optimal pada model LightGBM dalam klasifikasi kanker payudara. Pengujian model dilakukan menggunakan skema 3-fold cross-validation. Hasil eksperimen menunjukkan bahwa model LightGBM dengan hiperparameter default menghasilkan akurasi rata-rata sebesar 95,96%, sedangkan optimasi menggunakan PSO meningkatkan akurasi hingga 97,54% pada konfigurasi swarm size 60 dan max iteration 250. Temuan tersebut menunjukkan bahwa PSO efektif dalam meningkatkan performa klasifikasi model LightGBM. Kata Kunci: Particle Swarm Optimization, Hiperparameter Tuning, Breast Cancer Classification, LightGBM