ANALISIS ALGORITMA K-NEAREST NEIGHBORS (KNN) DAN PENERAPAN SMOTE DALAM DETEKSI DINI KANKER PARU-PARU

Islami, Bifadhlillah Marsheila (2025) ANALISIS ALGORITMA K-NEAREST NEIGHBORS (KNN) DAN PENERAPAN SMOTE DALAM DETEKSI DINI KANKER PARU-PARU. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

	Text (Full Text) RAMA_57201_2113030061.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (3MB) | Request a copy
	Text (Similarity) RAMA_57201_2113030061_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (964kB)
	Text (Cover sd BAB 1 + References) RAMA_57201_2113030061_0721029101_0712108103_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (799kB)
	Text (BAB 2) RAMA_57201_2113030061_0721029101_0712108103_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (400kB) | Request a copy
	Text (BAB 3) RAMA_57201_2113030061_0721029101_0712108103_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (318kB) | Request a copy
	Text (BAB 4) RAMA_57201_2113030061_0721029101_0712108103_04.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text (BAB 5) RAMA_57201_2113030061_0721029101_0712108103_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (237kB) | Request a copy
	Text (References) RAMA_57201_2113030061_0721029101_0712108103_06_Ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (212kB)
	Text (Lampiran) RAMA_57201_2113030061_0721029101_0712108103_07_Lamp.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy

Abstract

Kanker paru-paru merupakan salah satu jenis kanker yang paling mematikan di dunia karena sering kali terdiagnosis pada stadium lanjut. Deteksi dini menjadi sangat penting untuk meningkatkan efektivitas pengobatan dan menekan angka kematian. Namun, metode skrining konvensional seperti CT-scan masih belum terjangkau secara luas, terutama di negara berkembang. Oleh karena itu, pemanfaatan teknologi kecerdasan buatan dan data mining menjadi alternatif potensial dalam pengembangan sistem deteksi dini kanker. Salah satu algoritma yang banyak digunakan untuk klasifikasi adalah K-Nearest Neighbors (KNN), yang dikenal efektif namun sensitif terhadap ketidakseimbangan data. Untuk mengatasi hal tersebut, diperlukan penerapan teknik oversampling seperti SMOTE (Synthetic Minority Over-sampling Technique) agar model dapat mengenali kelas minoritas secara lebih optimal. Penelitian ini bertujuan untuk membangun sistem klasifikasi deteksi dini kanker paru-paru menggunakan algoritma KNN dan SMOTE berdasarkan data pasien yang diambil dari platform Kaggle. Dataset terdiri dari 1000 entri pasien dengan 26 atribut klinis dan demografis. Proses penelitian mengikuti pendekatan CRISP-DM yang mencakup business understanding, data understanding, data preparation, modelling, evaluation, dan deployment. Model KNN dibangun dengan parameter k=15 dan divalidasi menggunakan metode Stratified K-Fold Cross Validation sebanyak 10 lipatan. Evaluasi performa model dilakukan dengan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa penerapan SMOTE secara signifikan meningkatkan performa klasifikasi, terutama terhadap data pada kelas minoritas. Model yang dihasilkan memiliki rata-rata akurasi sebesar 99,10%, dengan precision, recall, dan F1-score masing-masing sebesar 99,1%. Stabilitas antar fold menunjukkan performa yang konsisten dengan rentang akurasi antara 96% hingga 100%. Hasil ini menunjukkan bahwa kombinasi antara algoritma KNN dan teknik SMOTE sangat efektif dalam membangun sistem deteksi dini kanker paru-paru yang akurat dan andal. Kesimpulannya, pendekatan ini memberikan solusi efisien untuk mendeteksi kanker paru secara lebih awal dengan biaya rendah dan akurasi tinggi. Namun, penelitian ini masih memiliki keterbatasan, seperti penggunaan satu jenis algoritma dan ketergantungan pada satu sumber dataset. Penelitian selanjutnya disarankan untuk membandingkan beberapa algoritma klasifikasi, menggabungkan data dari berbagai sumber, serta mengembangkan sistem berbasis web atau mobile agar dapat langsung digunakan dalam praktik klinis.

Actions (login required)

View Item