<![CDATA[Kanker paru-paru merupakan salah satu penyebab utama kematian di seluruh dunia karena sulitnya deteksi dini, karena gejala awalnya seringkali tidak spesifik. Diagnosis yang terlambat secara signifikan menurunkan angka harapan hidup pasien. Studi ini bertujuan untuk mengembangkan model klasifikasi kanker paru-paru yang akurat dan efisien untuk mendukung pengambilan keputusan medis. Studi ini menggunakan 50.000 rekam medis pasien yang diperoleh dari dataset sekunder, yang telah divalidasi secara klinis oleh seorang ahli paru di Rumah Sakit Umum Pekanbaru. Atribut yang dipilih dikategorikan menjadi faktor risiko yang tidak dapat dimodifikasi (usia, jenis kelamin, dan riwayat keluarga) dan faktor risiko yang dapat dimodifikasi (paparan merokok, paparan radon, paparan asbes, diagnosis PPOK, dan konsumsi alkohol). Model klasifikasi dikembangkan menggunakan algoritma Random Forest dan dioptimalkan menggunakan GridSearchCV untuk mendapatkan konfigurasi hyperparameter terbaik. Pra-pemrosesan data meliputi pengkodean label, pengkodean one-hot, dan normalisasi Min-Max. Pengujian eksperimental dilakukan menggunakan tiga rasio pembagian data latih-uji: 90:10, 80:20, dan 70:30. Hasil menunjukkan bahwa rasio pembagian 90:10 mencapai kinerja keseluruhan terbaik. Model optimal, menggunakan 300 estimator tanpa batasan kedalaman (max_depth=None), mencapai akurasi 70,3%, Recall 82,68%, dan F1-Score 79,28%. Nilai Recall yang tinggi menunjukkan bahwa model tersebut sangat efektif dalam mendeteksi kasus kanker paru-paru positif dan meminimalkan false negative, sehingga cocok sebagai alat pendukung keputusan untuk deteksi dini dan intervensi medis]]>
Copyrights © 2026
