Triwardani, Atma Agilia (2025) STUDI KOMPARATIF ALGORITMA MACHINE LEARNING DALAM KLASIFIKASI DAN PREDIKSI KANKER PARU-PARU. Undergraduate thesis, Universitas Nusantara PGRI Kediri.
This is the latest version of this item.
![]() |
Text (Full Text)
RAMA_57201_2113030005.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy |
![]() |
Text (Similarity)
RAMA_57201_2113030005_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (140kB) |
![]() |
Text (Cover sd BAB 1 + References)
RAMA_57201_2113030005_0723058501_0713018402_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (373kB) |
![]() |
Text (BAB 2)
RAMA_57201_2113030005_0723058501_0713018402_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (127kB) | Request a copy |
![]() |
Text (BAB 3)
RAMA_57201_2113030005_0723058501_0713018402_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (48kB) | Request a copy |
![]() |
Text (BAB 4)
RAMA_57201_2113030005_0723058501_0713018402_04.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (450kB) | Request a copy |
![]() |
Text (BAB 5)
RAMA_57201_2113030005_0723058501_0713018402_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (14kB) | Request a copy |
![]() |
Text (References)
RAMA_57201_2113030005_0723058501_0713018402_Ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (85kB) |
![]() |
Text (Lampiran)
RAMA_57201_2113030005_0723058501_0713018402_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 penyebab kematian tertinggi akibat penyakit tidak menular di dunia, termasuk di Indonesia. Tingginya angka mortalitas disebabkan oleh keterlambatan deteksi, sehingga deteksi dini menjadi krusial dalam meningkatkan efektivitas penanganan dan peluang kesembuhan pasien. Dalam era digital saat ini, pemanfaatan teknologi berbasis kecerdasan buatan seperti machine learning menjadi solusi potensial dalam mendeteksi kanker sejak dini melalui analisis data klinis dan identifikasi pola gejala penyakit secara otomatis. Penelitian ini bertujuan untuk melakukan studi komparatif terhadap lima algoritma machine learning dalam klasifikasi dan prediksi kanker paru-paru, yaitu Decision Tree (C4.5), K-Nearest Neighbor (KNN), Naive Bayes, Random Forest, dan Extreme Gradient Boosting (XGBoost). Pendekatan yang digunakan adalah metode kuantitatif dengan eksperimen komputasi berbasis Python pada platform Google Colaboratory. Dataset yang digunakan bersumber dari Kaggle, terdiri atas 1.157 data pasien dengan 16 atribut. Tahapan penelitian meliputi data selection, data preprocessing (missing value, normalisasi, eliminasi duplikat), feature selection menggunakan korelasi Pearson, transformasi data kategorikal, pelatihan model, dan evaluasi menggunakan akurasi, presisi, recall, F1-score, serta confusion matrix. Hasil penelitian menunjukkan bahwa seluruh algoritma mampu mengklasifikasikan data dengan performa baik. Namun, algoritma Naive Bayes memperoleh hasil terbaik dengan akurasi 89,61%, presisi 94,19%, recall 85,26%, dan F1-score 89,47%. Ini membuktikan bahwa meskipun tergolong algoritma sederhana, Naive Bayes efektif untuk klasifikasi penyakit dengan kompleksitas data klinis tinggi. Penelitian ini menyimpulkan bahwa pendekatan machine learning dapat menjadi alat bantu diagnostik yang andal dalam mendeteksi kanker paru-paru. Namun, keterbatasan studi ini terletak pada penggunaan satu jenis dataset dan belum menguji hyperparameter tuning yang lebih dalam. Penelitian selanjutnya dapat mengembangkan integrasi model ensemble, validasi silang yang lebih komprehensif, serta uji coba pada dataset real-time dari rumah sakit untuk meningkatkan generalisasi dan akurasi prediksi.
Item Type: | Thesis (Undergraduate) |
---|---|
Uncontrolled Keywords: | Kanker Paru-Paru, Machine Learning, Klasifikasi, Data Klinis |
Subjects: | 410 Engineering science > 457 Computer engineering 410 Engineering science > 459 Computer science 410 Engineering science > 461 Information systems |
Divisions: | Fakultas Teknik dan Ilmu Komputer > S1-Sistem Informasi |
Depositing User: | Atma Agilia Triwardani |
Last Modified: | 07 Aug 2025 15:39 |
URI: | http://repository.unpkediri.ac.id/id/eprint/20961 |
Available Versions of this Item
-
STUDI KOMPARATIF ALGORITMA MACHINE LEARNING DALAM KLASIFIKASI DAN PREDIKSI KANKER PARU-PARU. (deposited UNSPECIFIED)
- STUDI KOMPARATIF ALGORITMA MACHINE LEARNING DALAM KLASIFIKASI DAN PREDIKSI KANKER PARU-PARU. (deposited UNSPECIFIED) [Currently Displayed]
Actions (login required)
![]() |
View Item |