Implementasi Random Forest dalam Klasifikasi Kanker Paru-Paru

Abstrak

Kanker paru-paru adalah penyakit serius yang mengancam kesehatan dunia karena tingkat kesakitan dan kematian yang tinggi. Untuk mengurangi angka kematian akibat kanker paru-paru,  diperlukan pendekatan diagnostik yang lebih presisi. Tujuan penelitian ini adalah meningkatkan sensitivitas dan spesifisitas dalam mendeteksi kanker paru-paru, untuk mendukung upaya deteksi dini dan manajemen yang lebih efektif. Metode penelitian melibatkan serangkaian langkah mulai dari pengumpulan data hingga evaluasi kinerja model. Data dikumpulkan, dibersihkan, dan dianalisis korelasinya sebelum melalui tahap preprocessing. Pelatihan model dilakukan menggunakan algoritma Random Forest Classifier, yang terbukti efektif dalam memodelkan kompleksitas data kanker paru-paru. Hasil penelitian membuktikan model yang digunakan dapat mencapai tingkat akurasi sebesar 78%. Keunikan penelitian ini terletak pada penerapan teknik machine learning untuk meningkatkan diagnosis kanker paru-paru. Dengan menggabungkan oversampling ADASYN dengan algoritma Random Forest Classifier, penelitian ini telah membuktikan potensi dalam sensitivitas dan spesifisitas mendeteksi penyakit tersebut. Temuan ini menjadi pijakan penting dalam pengembangan metode diagnostik yang lebih canggih dan efisien untuk kanker paru-paru, membuka jalan bagi upaya deteksi dini yang lebih efektif dan manajemen penyakit yang lebih baik.