Penerapan Algoritme Decision Tree Pada Klasifikasi Penyakit Kanker Paru-Paru
Abstract
One of the deadliest diseases in the world is lung cancer. It is the biggest trigger of cancer-related deaths than any other type of cancer. The cause of this disease is due to uncontrolled cell growth in the body. Through classification, lung cancer patterns can be found. One of the widely used classificastion methods is the Decision Tree techniques. The Decision Tree C4.5 technique is a simple classification algorithm but has high performance and accuracy. This algorithm can generate decisions by forming a decision tree and can be used to predict lung cancer. From the result of the test carried out, a considerable accuracy was obtained, namely 89% with a Precission of 70% and Recall of 74.5%.
Keywords: Data Mining; Classification, Decision Tree C4.5, Lung Cancer
Abstrak
Salah satu penyakit yang paling mematikan didunia adalah penyakit kanker paru-paru. Penyakit ini adalah pemicu terbesar kematian terkait kanker dibanding setiap jenis macam penyakit kanker lainnya. Penyebab tingginya angka kematian pasien kanker paru-paru disebabkan karena terlambat dideteksi. Klasifikasi memungkinkan untuk menemukan pola pada kanker paru-paru, yang memungkinkan pendeteksian awal penyakit kanker paru-paru. Salah satu teknik klasifikasi yang banyak digunakan adalah Decision Tree. Metode Decision Tree C4.5 merupakan teknik klasifikasi sederhana dengan performa dan akurasi tinggi. Algoritme ini dapat digunakan untuk memprediksi kanker paru-paru. Dari hasil pengujian yang dilakukan didapatkan akurasi yang cukup besar yaitu 89%, dengan Precission sebesar 70% dan Recall sebesar 74.5 %.
Keywords
References
A. S. Rachmawati, “Prevalensi Kanker Di Rumah Sakit Jasa Kartini Kota Tasikmalaya Tahun 2018,” Jurnal Kesehatan komunitas Indonesia, vol. 16, no. 1, pp. 119–126, 2020.
S. Hartini, B. Dwi Winarsih, E. Galih Zulva Nugroho, P. Studi Profesi Ners, P. S. Studi, dan I. Keperawatan, “Peningkatan Pengetahuan Perawat Untuk Perawatan Anak Penderita Kanker,” Jurnal Pengabdian Kesehatan, vol. 3, no. 2, pp. 141–149, 2020, [Daring]. Tersedia pada: http://jpk.jurnal.stikescendekiautamakudus.ac.id
A. Lestari dan Y. Budiyarti, “Study Fenomenologi: Psikologis Pasien Kanker Yang Menjalani Kemoterapi,” Jurnal Keperawatan Suaka Insan |, vol. 5, no. 1, pp. 52–66, 2020.
L. Rahayuwati, I. A. Rizal, T. Pahria, M. Lukman, dan N. Juniarti, “Pendidikan Kesehatan tentang Pencegahan Penyakit Kanker dan Menjaga Kualitas Kesehatan,” Media Karya Kesehatan, vol. 3, no. 1, pp. 59–69, 2020.
S. Rahmawati, P. Onkogen, D. T. Suppressor, dan G. Pada Karsinogenesis, “Peran Onkogen dan Tumor Suppressor Gene pada Karsinogenesis,” JK Unila, vol. 5, no. 1, pp. 61–68, 2021.
A. Reynaldi, Y. Trisyani, dan D. Adiningsih, “Kualitas Hidup Pasien Kanker Paru Stadium Lanjut,” JNC, vol. 3, no. 2, pp. 71–79, 2020.
Juwita, N. Amalita, dan M. D. Parma, “Faktor-Faktor Risiko yang Mempengaruhi Kanker Paru-Paru dengan Menggunakan Analisis Regresi Logistik,” UNPjoMath, vol. 4, no. 1, pp. 38–42, 2021.
R. L. Siegel, K. D. Miller, H. E. Fuchs, dan A. Jemal, “Cancer statistics, 2022,” CA Cancer J Clin, vol. 72, no. 1, pp. 7–33, Jan 2022, doi: 10.3322/caac.21708.
F. A. Hermawati, “Sistem Deteksi Keganasan Kanker Paru-Paru pada CT Scan dengan Menggunakan Metode Mask Region-based Convolutional Neural Network (Mask R-CNN),” Konferensi Nasional Ilmu Komputer (KONIK), pp. 193–197, 2021.
A. Dewi dkk., “Kanker Paru, Kanker Paling Mematikan Di Indonesia: Apa Saja Yang Telah Kita Atasi Dan Apa Yang Kita Bisa Lakukan,” dalam Dialog Pemangku Kepentingan dengan tema “Kanker Paling Mematikan di Indonesia: Seberapa Jauh Kita Atasi dan Apa yang Dapat Kita Lakukan?,” Jakarta Pusat: Pusat Kajian Jaminan Sosial Universitas Indonesia (PKJS-UI), Feb 2021, pp. 1–29, 2020.
Z. Nabila, A. Rahman Isnain, dan Z. Abidin, “Analisis Data Mining Untuk Clustering Kasus Covid-19 Di Provinsi Lampung Dengan Algoritme K-Means,” Jurnal Teknologi dan Sistem Informasi (JTSI), vol. 2, no. 2, pp. 100–108, 2021, [Daring]. Tersedia pada: http://jim.teknokrat.ac.id/index.php/JTSI
K. K. Ningrum, J. Maulindar, dan A. Farida, “Penerapan Algoritme K-Means Untuk Pengelompokkan Penilaian Akhir Semester Di Sdn Kadokan 01 Sukoharjo,” INFOTECH journal, vol. 9, no. 1, pp. 190–197, 2023, doi: 10.31949/infotech.v9i1.xxx.
Y. Rosela, “Implementasi Klasifikasi Decision Tree Menganalisa Status Penjualan Barang Menggunakan C4.5 (Studi Kasus: PT. Matahari Department Store Medan Mall),” Jurnal Pelita Informatika, vol. 7, no. 3, hlm. 404–411, 2019.
F. S. Pamungkas, B. D. Prasetya, dan I. Kharisudin, “Perbandingan Metode Klasifikasi Supervised Learning pada Data Bank Customers Menggunakan Python,” PRISMA, Prosiding Seminar Nasional Matematika, vol. 3, pp. 689–694, 2019, [Daring]. Tersedia pada: https://journal.unnes.ac.id/sju/index.php/prisma/
E. Wulandari dan A. Perdana, “Klasifikasi Kanker Paru-Paru Menggunakan Metode Naive Bayes,” I-Robot Journal, vol. 6, no. 2, pp. 20–24, 2022.
A. Rifa’i dan Y. Prabowo, “Diagnosis Kanker Paru-Paru dengan Sistem Fuzzy,” Krea-TIF: Jurnal Teknik Informatika, vol. 10, no. 1, pp. 19–28, 2022, doi: 10.32832/kreatif.v10i1.6317.
M. Yunianto, F. Anwar, D. Nur Septianingsih, T. Dwi Ardyanto, dan R. Farits Pradana, “Klasifikasi Kanker Paru Paru Menggunakan Naïve Bayes Dengan Variasi Filter Dan Ekstraksi Ciri Gray Level Co-Occurance Matrix (GLCM),” Indonesian Journal of Applied Physics, vol. 11, no. 2, pp. 256–268, 2021.
W. Musu dan A. Ibrahim, “Pengaruh Komposisi Data Training dan Testing terhadap Akurasi Algoritme C4.5,” Prosidingseminar Ilmiah Sistem Informasi Dan Teknologi Informasi, vol. 10, no. 1, pp. 186–195, 2021.
D. Darwis, N. Siskawati, dan Z. Abidin, “Penerapan Algoritme Naive Bayes untuk Analisis Sentimen Review Data Twitter BMKG Nasional,” Jurnal TEKNO KOMPAK, vol. 15, no. 1, pp. 131–145, 2021.
M. Fahmi Panwar, E. Purwanto, dan V. Atina, “Sistem Pakar Tes Psikologi Dengan Menggunakan Metode Dominance Influence Steadiness And Compliance,” dalam Prosiding Seminar Nasional, 2022, pp. 240–244.
How To Cite This :
Refbacks
- There are currently no refbacks.
