Pendekatan Machine Learning untuk Deteksi Dini Kanker Paru-Paru: Mengoptimalkan Sensitivitas dan Akurasi
DOI:
https://doi.org/10.33795/jip.v11i3.7011Keywords:
kanker paru-paru, machine learning, deteksi dini, akurasi, sensitivitasAbstract
Kanker paru-paru merupakan salah satu penyebab utama kematian akibat kanker di dunia. Deteksi dini yang akurat sangat penting untuk meningkatkan peluang kesembuhan pasies. Penelitian ini membandingkan kinerja enam algorithma data mining, yaitu Logistic Regression (LR), Random Forest (RF), Support Vector Machine (SVM), Naïve Bayes (NB), Decision Tree Classifier (DTC), dan K-Nearest Neighbors (K-NN) dalam memprediksi kanker paru-paru. Hasil evalusi menunjukan bahwa DTC memiliki sensivitas tertinggi (0.558) dan F1- Score terbaik (0.543), sehingga lebih efektif dalam mendeteksi sebanyak mungkin kasus positif. Random Forest memiliki akurasi tinggi (90%), menunjukan keseimbangan antara prediksi yang benar secara keseluruhan dan performa disemua aspek. Model lainnya, seperti Logistic Regression dan SVM memiliki akurasi tinggi (89%) tetapi dengans ensitivitas yang lebih rendah dibandingkan Decision Tree Classifier. Berdasarkan hasil ini, model dengan sensitivitas tinggi lebih sesuai untuk skrining awal agar tidak melewatkan kasus kanker, sedangkan model dengan akurasi tinggi dapat digunakan untuk diagnosis yang lebih seimbang. Dengan demikian pendekatan machine learning dapat menjadi alat bantu yang potensial dalam deteksi dini kanker paru-paru.
Downloads
References
Alfajr, N. H., & Defiyanti, S. (2024). METODE RANDOM FOREST DAN PENERAPAN PRINCIPAL COMPONENT ANALYSIS ( PCA ). 12(3).
Alghifari, F., & Juardi, D. (2021). Penerapan Data Mining Pada Penjualan Makanan Dan Minuman Menggunakan Metode Algoritma Naïve Bayes. Jurnal Ilmiah Informatika, 9(02), 75–81. https://doi.org/10.33884/jif.v9i02.3755
Anzori, & Fatah, Z. (2024). Jurnal Ilmiah Multidisiplin Nusantara Implementasi Metode Decision Tree Dalam Prediksi Kanker Paru Paru Dengan Rapidminer Jurnal Ilmiah Multidisiplin Nusantara. 2(November), 176–184.
Buana, I., & Harahap, D. A. (2022). Asbestos, Radon Dan Polusi Udara Sebagai Faktor Resiko Kanker Paru Pada Perempuan Bukan Perokok. AVERROUS: Jurnal Kedokteran Dan Kesehatan Malikussaleh, 8(1), 1. https://doi.org/10.29103/averrous.v8i1.7088
Das, A. (2023). Logistic Regression. Springer, Cham. https://doi.org/https://doi.org/10.1007/978-3-031-17299-1_1689
Datasets, D., Silfana, F. I., & Barata, M. A. (2024). Using K-NN Algorithm for Evaluating Feature Selection on High. 17(2).
Duran, P. A., Vitianingsih, A. V., Riza, M. S., Maukar, A. L., & Wati, S. F. A. (2024). Data Mining Untuk Prediksi Penjualan Menggunakan Metode Simple Linear Regression. Teknika, 13(1), 27–34. https://doi.org/10.34148/teknika.v13i1.712
Gargate, S. (2019). Evaluating your classification model. https://medium.com/swlh/evaluating-your-classification-model-cb49338abb96
Guido, R., Ferrisi, S., Lofaro, D., & Conforti, D. (2024). An Overview on the Advancements of Support Vector Machine Models in Healthcare Applications: A Review. Information (Switzerland), 15(4). https://doi.org/10.3390/info15040235
Herjanto, M. F. Y., & Carudin, C. (2024). Analisis Sentimen Ulasan Pengguna Aplikasi Sirekap Pada Play Store Menggunakan Algoritma Random Forest Classifer. Jurnal Informatika Dan Teknik Elektro Terapan, 12(2), 1204–1210. https://doi.org/10.23960/jitet.v12i2.4192
Marzuq, R. D., Wicaksono, S. A., & Setiawan, N. Y. (2023). Prediksi Kanker Paru-Paru menggunakan Algoritme Random Forest Decision Tree. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 7(7), 3448–3456.
Mienye, I. D., & Jere, N. (2024). A Survey of Decision Trees: Concepts, Algorithms, and Applications. IEEE Access, 12(May), 86716–86727. https://doi.org/10.1109/ACCESS.2024.3416838
Naseh Khudori, A., & Syauqi Haris, M. (2024). Implementasi Decision tree Untuk Prediksi Kanker Paru-Paru. Jurnal Riset Sistem Informasi Dan Teknik Informatika (JURASIK, 9(1), 94–106.
Permana, A. Y., Fazri, H. N., Athoilah, M. F. N., Robi, M., & Firmansyah, R. (2023). Penerapan Data Mining Dalam Analisis Prediksi Kanker Paru Menggunakan Algoritma Random Forest. Jurnal Ilmiah Teknik Informatika Dan Komunikasi, 3(2), 27–41. https://doi.org/10.55606/juitik.v3i2.472
Permana, B. A. C., & Djamaluddin, M. (2023). Penerapan Python Dalam Data Mining Untuk Prediksi Kangker Paru. Infotek : Jurnal Informatika Dan Teknologi, 6(2), 470–477. https://doi.org/10.29408/jit.v6i2.17816
Rahmaeda, S., Prathivi, R., Studi, P., Informatika, T., Teknologi, F., & Semarang, U. (2025). Komparasi Metode SVM dan Logistic Regression untuk Klasifikasi Hipotesa Penyakit Kanker Paru Paru Berdasarkan Gejala Awal Abstrak. 6(1), 210–218.
Ravinder, B., Seeni, S. K., Prabhu, V. S., Asha, P., Maniraj, S. ., & Srinivasan, C. (2024). Web Data Mining with Organized Contents Using Naive Bayes Algorithm. 2024 2nd International Conference on Computer, Communication and Control (IC4), 1–6.
Rofiani, R., Oktaviani, L., Vernanda, D., & Hendriawan, T. (2024). Penerapan Metode Klasifikasi Decision Tree dalam Prediksi Kanker Paru-Paru Menggunakan Algoritma C4.5. Jurnal Tekno Kompak, 18(1), 126. https://doi.org/10.33365/jtk.v18i1.3525
Salman, H. A., Kalakech, A., & Steiti, A. (2024). Random Forest Algorithm Overview. Babylonian Journal of Machine Learning, 2024, 69–79. https://doi.org/10.58496/bjml/2024/007
Sandika, A., Ramadhan, F. R., Iman, I. N., & Jihad, J. (2024). Optimasi Prediksi Penyakit Paru-Paru dan Kanker Paru melalui Integrasi Algoritma Random Forest. 2(3), 585–591.
Shafa, B., Handayani, H. H., Arum, S., & Lestari, P. (2024). Prediksi Kanker Paru dengan Normalisasi menggunakan Perbandingan Algoritma Random Forest , Decision Tree dan Naïve Bayes. 4(3), 1057–1070.
Wulandari, E. (2022). Klasifikasi Kanker Paru-Paru Menggunakan Metode Naive Bayes. International Research on Big-Data and Computer Technology: I-Robot, 6(2), 20–24. https://doi.org/10.53514/ir.v6i2.325