Klasifikasi PCOS menggunakan Model Stacking Ensemble Learning dengan SMOTE-ENN

SILMI UTAMI PUTRI, Dr. Sigit Priyanta, S.Si., M.Kom.

2026 | Tesis | S2 Ilmu Komputer

Polycystic Ovary Syndrome (PCOS) merupakan gangguan endokrin kompleks yang dapat menyebabkan komplikasi serius seperti infertilitas dan gangguan metabolik. Penelitian ini menggunakan dataset gabungan (merge dataset) dari repositori publik Kaggle yang mencakup total 2.541 data pasien, hasil integrasi dari tiga sumber utama: data pasien tanpa infertilitas, data infertilitas, dan dataset extended dari 10 rumah sakit di India. Dataset ini memiliki ketimpangan kelas signifikan dengan rasio 2,24:1, di mana kelas minoritas (PCOS) hanya 30,89% dibandingkan kelas mayoritas (Non-PCOS) sebesar 69,11%, yang berisiko menyebabkan model bias dan gagal mendeteksi kasus positif (false negative).

Untuk mengatasi kendala tersebut, penelitian ini menerapkan metode Stacking Ensemble yang menggabungkan Random Forest, AdaBoost, dan CatBoost dengan Logistic Regression sebagai meta-learner, dikombinasikan dengan teknik hybrid SMOTE-ENN untuk menangani ketidakseimbangan kelas. Proses SMOTE-ENN berhasil menyeimbangkan distribusi data latih menjadi 49,42% vs 50,58% serta membersihkan noise data. Model baseline menggunakan Logistic Regression dan Naive Bayes dilatih pada data asli sebagai pembanding.

Hasil evaluasi menunjukkan metode yang diusulkan mencapai peningkatan performa dibandingkan model baseline pada data testing dan penelitian sebelumnya, dengan akurasi 99%, precision 99%, recall 99%, dan F1-Score 99%. Pencapaian ini membuktikan bahwa kombinasi Stacking Ensemble dengan SMOTE-ENN mampu melakukan klasifikasi medis yang akurat dan dapat diandalkan untuk diagnosis dini PCOS dalam praktik klinis.

Polycystic Ovary Syndrome (PCOS) is a complex endocrine disorder that can lead to serious complications, such as infertility and metabolic disturbances. This study utilizes a merged dataset from public Kaggle repositories, comprising a total of 2,541 patient records integrated from three primary sources: non-infertility patient data, infertility data, and an extended dataset from 10 hospitals in India. The dataset exhibits a significant class imbalance with a ratio of 2.24:1, where the minority class (PCOS) accounts for only 30.89% compared to the majority class (Non-PCOS) at 69.11%. This imbalance poses a risk of model bias and potential failure in detecting positive cases (false negatives).

To address these challenges, this research implements a Stacking Ensemble method combining Random Forest, AdaBoost, and CatBoost with Logistic Regression as the meta-learner integrated with the SMOTE-ENN hybrid technique to handle class imbalance. The SMOTE-ENN process successfully balanced the training data distribution to 49.42% vs. 50.58% while effectively removing data noise. Baseline models using Logistic Regression and Naive Bayes were trained on the original data for comparative analysis.

Evaluation results demonstrate that the proposed method achieved a significant performance increase compared to baseline models and previous studies, reaching 99?curacy, 99% precision, 99% recall, and a 99% F1-Score. These findings prove that the combination of Stacking Ensemble and SMOTE-ENN provides accurate and reliable medical classification for the early diagnosis of PCOS in clinical practice.

Kata Kunci : PCOS, Machine learning, Stacking, SMOTE-ENN, Imbalance data.