PREDIKSI KESEHATAN PARU-PARU PADA PASIEN KANKER PARU-PARU MENGGUNAKAN METODE RANDOM FOREST
DOI:
https://doi.org/10.34151/prosidingsnast.v1i1.5022Keywords:
Confusion Matrix, Prediksi Kanker Paru-Paru, Random Forest, Variabel ImportanceAbstract
Kesehatan paru-paru merupakan salah satu aspek penting dalam penanganan pasien kanker paru-paru. Kondisi paru-paru yang sehat dapat mempengaruhi prognosis dan kualitas hidup pasien. Penelitian ini bertujuan untuk melakukan prediksi klasifikasi kesehatan paru-paru pada pasien kanker paru-paru menggunakan metode Random Forest. Hasil analisis menunjukkan bahwa model optimal diperoleh dengan menggunakan parameter m = 2, k = 50, dan k = 100 dengan proporsi data 80:20. Variabel yang paling mempengaruhi hasil prediksi adalah Batuk Darah. Evaluasi model menggunakan confusion matrix menghasilkan tingkat akurasi sebesar 95%. Semua variabel bebas memiliki pengaruh signifikan terhadap prediksi kesehatan paru-paru antara lain usia, jenis kelamin, polusi udara, penggunaan alkohol, obesitas, merokok, perokok pasif, dan batuk darah.
References
Kesehatan paru-paru merupakan salah satu aspek penting dalam penanganan pasien kanker paru-paru. Kondisi paru-paru yang sehat dapat mempengaruhi prognosis dan kualitas hidup pasien. Penelitian ini bertujuan untuk melakukan prediksi klasifikasi kesehatan paru-paru pada pasien kanker paru-paru menggunakan metode Random Forest. Hasil analisis menunjukkan bahwa model optimal diperoleh dengan menggunakan parameter m = 2, k = 50, dan k = 100 dengan proporsi data 80:20. Variabel yang paling mempengaruhi hasil prediksi adalah Batuk Darah. Evaluasi model menggunakan confusion matrix menghasilkan tingkat akurasi sebesar 95%. Semua variabel bebas memiliki pengaruh signifikan terhadap prediksi kesehatan paru-paru antara lain usia, jenis kelamin, polusi udara, penggunaan alkohol, obesitas, merokok, perokok pasif, dan batuk darah.
Benaya, D. (2024). Implementasi Random Forest dalam klasifikasi kanker paru-paru. JOINTER: Journal
of Informatics Engineering, 5(01), 27-31.
Fadlilah, M. S., Wihandika, R. C., & Rahayudi, B. (2019). Klasifikasi penurunan fungsi kognitif pasien
stroke menggunakan metode Klasifikasi Random Forest. Jurnal Pengembangan Teknologi
Informasi dan Ilmu Komputer, 3(3), 3005-3013.
Fitriyaningsih, I., & Basani, Y. (2019). Flood prediction with ensemble machine learning using BP-NN and SVM. Jurnal Teknologi dan Sistem Komputer, 7(3), 93-97.
Han, J., Kamber, M., & Pei, J. (2012). Clustering analysis. Data Mining: Concept and Technique, MK
imprint of Elsevier, New York, 478-490.
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.
Paul, A., Mukherjee, D. P., Das, P., Gangopadhyay, A., Chintha, A. R., & Kundu, S. (2018). Improved
random forest for classification. IEEE Transactions on Image Processing, 27(8), 4012-4024.
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.
Rigatti, S. J. (2017). Random forest. Journal of Insurance Medicine, 47(1), 31-39.
Sari, L., Romadloni, A., & Listyaningrum, R. (2023). Penerapan Data Mining dalam Analisis Prediksi
Kanker Paru Menggunakan Algoritma Random Forest. Infotekmesin, 14(1), 155-162.
Speiser, J. L., Miller, M. E., Tooze, J., & Ip, E. (2019). A comparison of random forest variable selection
methods for classification prediction modeling. Expert systems with applications, 134, 93-101.
Sun, Z., Wang, G., Li, P., Wang, H., Zhang, M., & Liang, X. (2024). An improved random forest based on
the classification accuracy and correlation measurement of decision trees. Expert Systems with
Applications, 237, 121549.
Wulandari, E., & Perdana, A. (2022). Klasifikasi Kanker Paru-Paru Menggunakan Metode Naive Bayes. Robot Jurnal, 6(2), 1-10.
Zai, C. (2022). Implementasi Data Mining Sebagai Pengolahan Data. Jurnal Portal Data, 2(3).
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
