Kanker serviks merupakan kanker kedua yang paling banyak diderita oleh wanita di Indonesia. Penyebab utama kanker serviks 99,7% berkaitan erat dengan infeksi virus Human Papilloma. Salah satu metode yang digunakan untuk skrining kanker serviks adalah IVA (Inspeksi Visual dengan Asam Asetat), yang berfungsi mendeteksi keberadaan sel-sel abnormal sejak dini. Namun, metode IVA memiliki kekurangan, yakni tingkat sensitivitas dan spesifitas yang rendah. Maka, penelitian ini dilakukan dengan tujuan untuk mendeteksi tingkat resiko kanker serviks dengen menerapkan metode Modified K-Nearest Neighbor (MKNN). Metode tersebut dipilih karena mampu menangani data outlier dan tidak seimbang. Metode ini bekerja dengan menghitung jarak antar data sambil menyesuaikan bobot tetangga berdasarkan jaraknya sehingga menghasilkan klasifikasi yang lebih representatif. Dataset penelitian mencakup 314 pasien kanker serviks. Setelah melalui tahapan data preprocessing, pembagian data yang digunakan selama penelitian, yaitu 824 data latih dan 275 data uji. Penelitian ini melibatkan 7 kelas, yakni stadium IA, IB, IIA, IIB, IIIB, IVA, dan IVB. Kombinasi teknik resampling dan seleksi fitur diterapkan untuk meningkatkan performa model, menghasilkan akurasi tertinggi sebesar 92,72% pada nilai gain 0,07 dan k = 2. Lalu, pengujian kedua dilakukan dengan menerapkan stratified k-fold cross validation menunjukkan rata-rata akurasi 91,99% pada k = 2.
Copyrights © 2025