ABSTRAK Nama : Thirafi Dide Program Studi : Ilmu Komputer Judul : Klasifikasi Data dengan Atribut Anonim oleh Extreme Gradient Boosting dengan Kombinasi Fitur Data dengan atribut anonim merupakan data dengan makna atribut yang tidak dijelaskan. Hal ini membuat klasifikasi data menjadi sulit karena kurangnya pengetahuan tentang data, sehingga tidak bisa dilakukan pengolahan data yang sesuai dengan model pemelajaran data. Untuk mengatasi masalah tersebut, digunakan metode membangun fitur baru dari kombinasi fitur. Model pemelajaran data yang digunakan untuk klasifikasi adalah Extreme Gradient Boosting (XGBoost) untuk mengatasi data yang sparse dan memiliki banyak fitur. Dengan adanya penelitian ini, diketahui bahwa kombinasi fitur memainkan peran signifikan untuk meningkatkan nilai akurasi model pemelajaran data dalam melakukan klasifikasi pada data pengujian. Kata Kunci: Extreme Gradient Boosting, Klasifikasi, Data Atribut Anonim, Kombinasi Fitur, Pemelajaran Mesin