Optimasi Prediksi Penyakit Paru-Paru dan Kanker Paru melalui Integrasi Algoritma Random Forest
Keywords:
Penyakit Paru-Paru, Kanker Paru, Random Forest, Forward Selection, Klasifikasi PenyakitAbstract
Penyakit paru-paru dan kanker paru merupakan dua masalah kesehatan utama yang signifikan di Indonesia, dengan tingkat morbiditas dan mortalitas yang tinggi. Penelitian ini bertujuan untuk mengoptimalkan prediksi penyakit paru-paru dan kanker paru melalui penerapan algoritma Random Forest yang diintegrasikan dengan teknik optimasi fitur. Data yang digunakan meliputi informasi demografi, gejala klinis, serta faktor gaya hidup seperti kebiasaan merokok dan riwayat aktivitas fisik. Penelitian ini dilaksanakan dalam dua tahapan: pertama, pengujian model Random Forest tanpa optimasi fitur, dan kedua, penerapan optimasi fitur menggunakan teknik Forward Selection. Hasil pengujian awal menunjukkan bahwa model Random Forest tanpa optimasi mencapai akurasi sebesar 88,74%, dengan presisi 81,50%, dan recall 98,25%. Setelah optimasi fitur, akurasi meningkat menjadi 91,32%, dengan presisi 94,50%, dan recall 89,80%. Penelitian ini juga mengidentifikasi faktor-faktor paling signifikan dalam prediksi penyakit paru-paru dan kanker paru, seperti usia, kebiasaan merokok, dan tingkat aktivitas fisik. Temuan ini menegaskan bahwa integrasi algoritma Random Forest dengan optimasi fitur dapat meningkatkan akurasi prediksi secara signifikan, yang pada gilirannya dapat mendukung deteksi dini dan pengelolaan penyakit paru-paru dan kanker paru dengan lebih efektif.
References
Tarigan, L. R. A., & Dahlan. (2024). Optimalisasi fitur dengan forward selection pada estimasi tingkat penyakit paru-paru menggunakan algoritma klasifikasi random forest. Jurnal Teknik Informatika, 8(5), 10341- 10348.
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.
Sinaga, R. B., Widiyanto, D., & Wahyono, B. T. (2022). Deteksi dini penyakit kanker paru dengan gabungan algoritma Adaboost dan Random Forest. Dalam Prosiding Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA) hal. 835-844.
Dinova, D. B., & Prasetiyo, B. (2024). Implementasi Random Forest dalam klasifikasi kanker paru-paru. JOINTER – Journal of Informatics Engineering, 5(1), 27-31.
Hidayanti, A., Siregar, A. M., Lestari, S. A. P., & Cahyana, Y. (2022). Model analisis kasus Covid-19 di Indonesia menggunakan algoritma regresi linier dan random forest. PETIR: Jurnal Pengkajian dan Penerapan Teknik Informatika, 15(1), 91-101.
Liu, Y., & Lee, D. (2020). Predicting Lung Cancer with Machine Learning Models: A Review. Journal of Cancer Research and Clinical Oncology, 146(6), 1445-1454.
Chen, J., Zhang, L., & Li, Z. (2021). Improving the Prediction Accuracy of Lung Cancer Diagnosis with Genetic Algorithm-Based Feature Optimization. Journal of Medical Systems, 45(5), 1-12.
Kaur, A., Gupta, S., & Yadav, A. (2020). Lung Cancer Prediction Using Machine Learning Algorithms. Journal of Cancer Research and Clinical Oncology, 146(12), 2997-3005.
Chollet, F. (2018). Deep Learning with Python. Manning Publications.
Liu, Y., Shen, L., & Wu, Z. (2020). A Comparative Study of Machine Learning Algorithms for Predicting Lung Cancer. Journal of Medical Imaging and Health Informatics, 10(3), 600-607.
Supriyadi, D., Fajar, F. R., Utami, M., Nurjanah, S., Restiani, A., PerdanaSari, Y., & Rosyani, P. (2022). Analisis sistem pakar diagnosa penyakit THT menggunakan metode Certainty Factor. OKTAL: Jurnal Ilmu Komputer dan Sains, 1(06), 652-657.
Prio Nugroho, A., Fadlan Rosid, B., Putri Aripin, N., Wijaya, R., & Rosyani, P. (2024). Deteksi Objek Pada Citra Medis Menggunakan Metode Haar Cascade Classifier. JRIIN :Jurnal Riset Informatika Dan Inovasi, 2(4), 700–707.
Octaviano, A., Sofiana, S., Agustino, D. O., & Rosyani, P. (2022). Pemantauan kualitas udara berbasis Internet of Things. KLIK: Kajian Ilmiah Informatika dan Komputer, 3(2), 147-156.
Achyar Rozaq, F., & Rosyani, P. (2024). Deteksi Tepi Menggunakan Metode Canny. JRIIN :Jurnal Riset Informatika Dan Inovasi, 2(6), 913–915.
Pratama, A. A., Setiawan, F., Hidayat, M. S., Kumala, S. F., Saifudin, A., & Mulyati, S. (2021). Konsep Pengembangan Teknologi pada Health Assistant dengan Menciptakan Holo Buddy Bagi Masyarakat. Jurnal Informatika Universitas Pamulang, 6(3), 594-601.
