<![CDATA[Kanker paru-paru adalah salah satu penyakit paling mematikan di dunia, menyebabkan lebih dari 1,76 juta kematian setiap tahunnya menurut WHO pada tahun 2020. Deteksi dini menjadi krusial dalam meningkatkan prognosis pasien, namun sering kali menantang karena gejala awal yang tidak spesifik. Dalam beberapa tahun terakhir, teknologi medis dan komputasi telah menghadirkan peluang baru dengan memanfaatkan pembelajaran mesin, terutama deep learning, untuk meningkatkan diagnosa kanker paru-paru. Studi ini mengevaluasi beberapa algoritma Machine Learning seperti K-Nearest Neighbors (k-NN), Logistic Regression, Naïve Bayes, Support Vector Machine (SVM), dan Neural Network berdasarkan data klinis untuk memprediksi kanker paru-paru. Hasil evaluasi menunjukkan bahwa k-NN dan Neural Network memiliki performa terbaik dengan akurasi mencapai 0.92, sementara Naïve Bayes dan Neural Network menunjukkan presisi tertinggi untuk kelas kanker paru-paru (0.94). Logistic Regression dan SVM juga memberikan hasil yang baik, meskipun dengan variasi dalam presisi dan recall untuk kedua kelas. Penelitian ini memberikan wawasan penting untuk pengembangan sistem pendukung keputusan di bidang medis, dengan potensi untuk meningkatkan diagnosis dini, pengelolaan, dan prognosis kanker paru-paru secara efektif, serta mengurangi beban penyakit dan meningkatkan kualitas hidup pasien di masa depan. Implementasi pembelajaran mesin di sektor kesehatan menunjukkan bahwa teknologi ini dapat menjadi alat yang sangat berharga dalam mendeteksi dan mengelola penyakit serius seperti kanker paru-paru.]]>
