<![CDATA[Kanker paru-paru merupakan salah satu penyebab utama kematian akibat kanker di dunia. Deteksi dini yang akurat sangat penting untuk meningkatkan peluang kesembuhan pasies. Penelitian ini membandingkan kinerja enam algorithma data mining, yaitu Logistic Regression (LR), Random Forest (RF), Support Vector Machine (SVM), Naïve Bayes (NB), Decision Tree Classifier (DTC), dan K-Nearest Neighbors (K-NN) dalam memprediksi kanker paru-paru. Hasil evalusi menunjukan bahwa DTC memiliki sensivitas tertinggi (0.558) dan F1- Score terbaik (0.543), sehingga lebih efektif dalam mendeteksi sebanyak mungkin kasus positif. Random Forest memiliki akurasi tinggi (90%), menunjukan keseimbangan antara prediksi yang benar secara keseluruhan dan performa disemua aspek. Model lainnya, seperti Logistic Regression dan SVM memiliki akurasi tinggi (89%) tetapi dengans ensitivitas yang lebih rendah dibandingkan Decision Tree Classifier. Berdasarkan hasil ini, model dengan sensitivitas tinggi lebih sesuai untuk skrining awal agar tidak melewatkan kasus kanker, sedangkan model dengan akurasi tinggi dapat digunakan untuk diagnosis yang lebih seimbang. Dengan demikian pendekatan machine learning dapat menjadi alat bantu yang potensial dalam deteksi dini kanker paru-paru.]]>
Copyrights © 2025
