<![CDATA[Penelitian ini bertujuan untuk meningkatkan akurasi prediksi kanker paru-paru dengan memanfaatkan parameter ADASYN dan algoritma Support Vector Machine (SVM). Ketidakseimbangan data merupakan salah satu tantangan utama dalam klasifikasi medis, di mana kelas minoritas seringkali diabaikan oleh model prediksi konvensional. Hal ini menyebabkan rendahnya sensitivitas dan spesifisitas dalam mendeteksi kasus kanker paru-paru yang jarang terjadi. Untuk mengatasi masalah ini, ADASYN digunakan untuk menyeimbangkan dataset dengan menghasilkan sampel sintetis untuk kelas minoritas secara adaptif berdasarkan distribusi data, sehingga model dapat lebih responsif terhadap variasi dalam kelas tersebut. Algoritma SVM kemudian diterapkan pada dataset yang telah seimbang untuk memisahkan kelas dengan margin terbesar, yang bertujuan untuk meningkatkan akurasi prediksi. Hasil pengujian menunjukkan bahwa kombinasi penggunaan ADASYN dan SVM berhasil meningkatkan kinerja model dengan mencapai skor akurasi sebesar 98.95%. Temuan ini menunjukkan bahwa pemanfaatan parameter ADASYN dalam pre-processing data dan penerapan SVM sebagai algoritma klasifikasi dapat secara signifikan meningkatkan akurasi prediksi pada kasus kanker paru-paru. Dengan demikian, penelitian ini memberikan kontribusi penting bagi pengembangan sistem deteksi dini yang lebih efektif dan andal, yang pada akhirnya dapat meningkatkan hasil pengobatan dan keselamatan pasien.]]>
Copyrights © 2024
