Keywords
Kanker Tiroid
Random Forest
How to Cite
Abstract
Kanker Tiroid merupakan sebuah jenis kanker yang berkembang dalam kelenjar tiroid, organ kecil yang terletak di bagian depan leher. Meskipun tingkat kematian akan kanker jenis tersebut rendah tetapi risiko kambuhnya kanker tiroid menjadi salah satu masalah lain yang perlu diatasi. Untuk membantu mengevaluasi kambuhnya kanker tiroid pada pasien tujuan penelitian ini mengembangkan sebuah model algoritma dengan memanfaatkan dataset dari UCI Machine Learning Repository. Dataset tersebut termasuk kedalam kategori klasifikasi dan Algoritma yang akan digunakan adalah Random Forest. Setelah dilakukan penelitian sesuai dengan Knowlegde Discovery in Databases (KDD), algoritma Random Forest memiliki Sensitifitas sebesar 98,39%, Spesifisitas sebesar 96,77%, Precision sebesar 96,83%, Area Under the Curve (AUC) sebesar 97,6%, dan Accuracy sebesar 97,5%. Dengan hasil yang ditemukan, algoritma Random Forest telah terbukti efektif dalam mengembangkan model untuk membantu mengevaluasi risiko kambuhnya kanker tiroid pada pasien
References
Y. Parura, V. Pontoh, and M. Werung, “Pola kanker tiroid periode Juli 2013 – Juni 2016 di RSUP Prof. Dr. R. D Kandou Manado,” e-CliniC, vol. 4, no. 2, 2016, doi: 10.35790/ecl.4.2.2016.14475.
A. Nur, A. Santosa, and A. S. Komariyah, “Karakteristik Kanker Tiroid Di Maluku Utara Tahun 2017-2020,” J. Endur., vol. 8, no. 2, pp. 246–252, May 2023, doi: 10.22216/JEN.V8I2.2161.
S. Borzooei, G. Briganti, M. Golparian, J. R. Lechien, and A. Tarokhian, “Machine learning for risk stratification of thyroid cancer patients: a 15-year cohort study,” Eur. Arch. Oto-Rhino-Laryngology, vol. 281, no. 4, pp. 2095–2104, 2024, doi: 10.1007/s00405-023-08299-w.
B. Wijonarko, “Perbandingan Algoritma Data Mining Naïve Bayes Dan Bayes Network Untuk Mengidentifikasi Penyakit Tiroid,” J. Pilar Nusa Mandiri, vol. 14, no. 1, pp. 21–26, Mar. 2018, doi: 10.33480/PILAR.V14I1.83.
D. Galih Pradana, M. L. Alghifari, M. Farhan Juna, and S. Dwisiwi Palaguna, “Klasifikasi Penyakit Jantung Menggunakan Metode Artificial Neural Network,” Indones. J. Data Sci., vol. 3, no. 2, pp. 55–60, Jul. 2022, doi: 10.56705/IJODAS.V3I2.35.
S. Borzooei and A. Tarokhian, “Differentiated Thyroid Cancer Recurrence,” UCI Mach. Learn. Repos., 2023, doi: https://doi.org/10.24432/C5632J.
E. Daniati and H. Utama, “Decision Making Framework Based on Sentiment Analysis in Twitter Using SAW and Machine Learning Approach,” 2020 3rd Int. Conf. Inf. Commun. Technol. ICOIACT 2020, pp. 218–222, Nov. 2020, doi: 10.1109/ICOIACT50329.2020.9331998.
D. P. Utomo and M. Mesran, “Analisis Komparasi Metode Klasifikasi Data Mining dan Reduksi Atribut Pada Data Set Penyakit Jantung,” J. Media Inform. Budidarma, vol. 4, no. 2, p. 437, 2020, doi: 10.30865/mib.v4i2.2080.
Y. Mardi, “Data Mining : Klasifikasi Menggunakan Algoritma C4.5,” Edik Inform., vol. 2, no. 2, pp. 213–219, 2017, doi: 10.22202/ei.2016.v2i2.1465.
W. Apriliah, I. Kurniawan, M. Baydhowi, and T. Haryati, “Prediksi Kemungkinan Diabetes pada Tahap Awal Menggunakan Algoritma Klasifikasi Random Forest,” Sistemasi, vol. 10, no. 1, p. 163, 2021, doi: 10.32520/stmsi.v10i1.1129.
A. Aqillah Fadia Haya, Reynaldi Azhar, Muhamad Khandava Mulyadien, and Betha Nurina Sari, “Klasifikasi Minat Beli Pelanggan Terhadap Udang Vaname Menggunakan Algoritma Naïve Bayes,” J. Ilm. Betrik, vol. 13, no. 1, pp. 59–65, 2022, doi: 10.36050/betrik.v13i1.452.
I. A. Nikmatun and I. Waspada, “Implementasi Data Mining Untuk Klasifikasi Masa Studi Mahasiswa Menggunakan Algoritma K-Nearest Neighbor,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 10, no. 2, pp. 421–432, Nov. 2019, doi: 10.24176/SIMET.V10I2.2882.
L. B. Adzy, A. Asriyanik, and A. Pambudi, “Algoritma Naïve Bayes Untuk Klasifikasi Kelayakan Penerima,” vol. 6, no. 1, pp. 1–10, 2023.
A. C. Pradikdo and A. Ristyawan, “Model Klasifikasi Abstrak Skripsi Menggunakan Text Mining Untuk Pengkategorian Skripsi Sesuai Bidang Kajian,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 9, no. 2, pp. 1091–1098, Nov. 2018, doi: 10.24176/SIMET.V9I2.2513.
Khoirunnisa Hamidah and A. Voutama, “Analisis Faktor Tingkat Kebahagiaan Negara Menggunakan Data World Happiness Report dengan Metode Regresi Linier.,” Explor. IT J. Keilmuan dan Apl. Tek. Inform., vol. 15, no. 1, pp. 1–7, 2023, doi: 10.35891/explorit.v15i1.3874.
A. Karimah, G. Dwilestari, and M. Mulyawan, “Analisis Sentimen Komentar Video Mobil Listrik Di Platform Youtube Dengan Metode Naive Bayes,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 767–737, 2024, doi: 10.36040/jati.v8i1.8373.
D. Akbar Baturaja, D. Juardi, and A. Susilo Yuda Irawan, “Analisis Sentimen Masyarakat Terhadap Dugaan Kontroversi Pondok Pesantren Al-Zaytun Menggunakan Naïve Bayes,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 4, pp. 2775–2782, 2024, doi: 10.36040/jati.v7i4.7198.
N. A. Prakoso Indaryono, “Analisa Perbandingan Algoritma Random Forest Dan Naïve Bayes Untuk Klasifikasi Curah Hujan Berdasarkan Iklim Di Indonesia,” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 9, no. 1, pp. 158–167, 2024, doi: 10.29100/jipi.v9i1.4421.
O. Wira Yuda, D. Tuti, and L. Sheih Yee, “Penerapan Data Mining Untuk Klasifikasi Kelulusan Mahasiswa Tepat Waktu Menggunakan Metode Random Forest,” SATIN - Sains dan Teknol. Inf., vol. 8, no. 2, pp. 122–131, Dec. 2022, doi: 10.33372/STN.V8I2.885.
M. R. Adrian, M. P. Putra, M. H. Rafialdy, and N. A. Rakhmawati, “Perbandingan Metode Klasifikasi Random Forest dan SVM Pada Analisis Sentimen PSBB,” J. Inform. Upgris, vol. 7, no. 1, Jun. 2021, doi: 10.26877/JIU.V7I1.7099.
Y. R. Saputra, S. Syafriandi, D. Permana, and Zilrahmi, “Classification of Program Keluarga Harapan Recipient Households in Padang City Using K-Nearest Neighbors,” UNP J. Stat. Data Sci., vol. 2, no. 2, pp. 187–195, May 2024, doi: 10.24036/UJSDS/VOL2-ISS2/167.
E. Sutoyo and M. Asri Fadlurrahman, “Penerapan SMOTE untuk Mengatasi Imbalance Class dalam Klasifikasi Television Advertisement Performance Rating Menggunakan Artificial Neural Network,” JEPIN (Jurnal Edukasi dan Penelit. Inform., vol. 6, no. 3, pp. 379–385, Dec. 2020, doi: 10.26418/JP.V6I3.42896.
A. Indrawati, “Penerapan Teknik Kombinasi Oversampling Dan Undersampling Untuk Mengatasi Permasalahan Imbalanced Dataset,” JIKO (Jurnal Inform. dan Komputer), vol. 4, no. 1, pp. 38–43, Apr. 2021, doi: 10.33387/JIKO.V4I1.2561.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2024 Muhammad Faruqziddan, Ewanda Herdika Septa Aulia, Salsabila Dini Azzahra, Aidina Ristyawan, Erna Daniati