Penyakit liver seringkali tidak menunjukkan gejala hingga mencapai stadium lanjut, sehingga deteksi dini sangatpenting untuk meningkatkan harapan hidup pasien. Penelitian ini mengkaji penerapan algoritma Extra TreesClassifier dan seleksi fitur chi-square untuk deteksi dini penyakit liver. Data yang digunakan terdiri dari limavariabel medis yang kemungkinan merupakan hasil tes laboratorium dari sampel pasien, dengan label yangmenunjukkanduakelasyangberbeda,yaitukelasAdankelasB.Datadibagisecaraacakdenganrasio80%untuksetiapkelas.Datadibagisecaraacakdenganrasio80%untukpelatihandan20%untukpengujianuntukmemastikan pembelajaran dan pengujian yang efektif terhadap kinerja model. Hasil penelitian menunjukkanbahwa algoritma Extra Trees Classifier, dengan bantuan seleksi fitur chi-square, mampu memberikan prediksiyang cukup akurat dalam klasifikasi penyakit liver, dengan akurasi 82.6%, sensitivitas 85.5%, presisi 78.3%, danF1-Score 81.7%. Temuan ini menunjukkan bahwa penerapan model ini dapat membantu tenaga medis untukmengambilkeputusanyanglebihcepatdanakurat,sertameningkatkanpeluanguntukmendiagnosisdanmengobatipenyakitliver padatahapawal.

Katakunci:Chi-Square,ExtraTreesClassifier,Liver,SeleksiFitur