OPTIMALISASI METODE KLASIFIKASI KANKER PARU MENGGUNAKAN MACHINE LEARNING BERBASIS EDA

DIANA FEBRINA LUMBANTORUAN, FRANSISKA CELIA IVO SILALAHI, THOMAS LEO EDISON (2023) OPTIMALISASI METODE KLASIFIKASI KANKER PARU MENGGUNAKAN MACHINE LEARNING BERBASIS EDA , SKRIPSI, UNIVERSITAS PRIMA INDONESIA

ABSTRAK

Kanker paru sebagai satu dari tiga penyakit yang paling mematikan di dunia serta memiliki perkembangan yang sangat pesat. Berdasarkan hal ini, peneliti melakukan penelitian untuk dapat memprediksi faktor yang mempengaruhi kanker paru. Salah satu metode untuk mengidentifikasi hal ini adalah dengan menggunakan metode data mining dengan menggunakan teknik klasifikasi. Peneliti menggunakan beberapa algoritma populer dalam klasifikasi untuk melakukan perbandingan terhadap algoritma yang paling akurat untuk klasifikasi kanker paru. Algoritma yang digunakan diantaranya K-Nearest Neighbour, Random Forest Classifier, Logistic Regression, Linear SVM, Naïve Bayes, Decision Tree, Random Forest, Gradient Boosting, Kernel SVM dan MLPClassifier. Peneliti menggunakan algoritma tersebut karena pada penelitian yang peneliti temukan di platform kagglemeneliti tentang perbandingan algoritma tersebut menggunakan dataset breast cancer. Oleh karena itu, peneliti tertarik untuk meneliti apakah hasil akurasi algoritma yang peneliti lakukan dengan menggunakan dataset lung cancer memiliki hasil yang berbeda atau tidak. Hasil dari penelitian ini menemukan bahwa algoritma yang lebih akurat adalah Random Forest dan Gradient Boosting dengan nilai akurasi sebesar 100% sedangkan pada penelitian sebelumnya juga sama namun Gradient Boosting lebih tinggi nilai akurasinya dibanding Random Forest. Kemudian, berdasarkan data yang digunakan pada penelitian ini, faktor yang paling mempengaruhi dalam memprediksi didiagnosa terkena kanker paru-paru adalah obesitas dan batuk berdarah

JURNAL