Implementasi Metode Support Vector Machine dan Particle Swarm Optimization dalam Klasifikasi Faktor Risiko Terkena Penyakit Kanker Paru-paru
Tahun 2024 · Penulis: Adhitya Hari Saputra
Faculty of Computer Science, Universitas Jember
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Kanker adalah penyakit mematikan dengan jumlah kematian tertinggi di dunia, disebabkan oleh pertumbuhan sel yang tidak terkendali dan dapat menyebar ke bagian tubuh lainnya. Menurut data GLOBOCAN 2020, terdapat 19,2 juta kasus baru kanker. Salah satu jenis kanker yang menonjol adalah kanker paru, yang merupakan keganasan pada organ paru-paru, baik primer maupun sekunder. Faktor risiko kanker paru dibagi menjadi yang bisa diatasi, seperti merokok, minum kopi berlebihan, kadar vitamin D rendah, alkohol, penyakit paru obstruktif kronik, infeksi, paparan radiasi, dan polusi udara, serta yang tidak bisa diubah seperti usia, jenis kelamin, dan faktor genetik. Untuk mencapai tujuan ini dilakukan klasifikasi resiko status pasien. Proses klasifikasi dalam penelitian ini menggunakan algoritma Support Vector Machine (SVM) yang dikombinasikan dengan teknik seleksi fitur Particle Swarm Optimization (PSO) dengan dataset yang digunaka berisi data rekam medis pasien kanker paru. Proses klasifikasi menggunakan metode PSO-SVM ini melalui beberapa tahapan utama seperti melakukan preprocessing data yang terdiri dari data cleaning, data transformtion, data balancing, feature scaling dan data validation. Selanjutnya, melakukan pencarian parameter terbaik pada teknik seleksi fitur PSO menggunakan fungsi grid search. Setelah menemukan parameter terbaik yang menghasilkan akurasi tertinggi akan dilakukan seleksi fitur menggunakan PSO untuk mengurangu penggunaan fitur yang ada di dalam dataset. Setelah itu, melakukan pemodelan klasifikasi menggunakan SVM dan tahapan terakhir adalah evaluasi model menggunakan confusion matrix dan classification report. Penelitian ini memperoleh hasil akurasi model yang sangat baik pada kernel linear dengan rasio data latih sebesar 100%, akurasi data uji 98.36% fitur yan diperoleh pada kernel ini berjumlah sebanyak 15 fitur pada test_size 0.4.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,896
Tahun 2026 · Penulis: Shintia Anggi Dwi Pramieta
Klasifikasi Kanker Serviks Dengan Seleksi Fitur Recursive Feature Elimination dan Forward Selection Berbasis Website
Kanker merupakan salah satu penyebab utama kematian di dunia, dengan sekitar 9,7 juta kematian dan 20 juta kasus baru pada tahun 2022. Di antara berbagai jenis kanker, kanker serviks menempati urutan keempat sebagai kanker yang paling umum diderita perempuan,
- Cosine 0,891
Tahun 2024 · Penulis: Renata Sayidatul Arikha
Klasifikasi Penyakit Hepatitis C Menggunakan Metode Twin Support Vector Machine dengan Optimasi Hyperparameter Particle Swarm Optimization
Hepatitis C adalah salah satu penyakit mematikan yang menyebabkan kerusakan hati. Penyakit ini disebabkan oleh Hepatitis C Virus (HCV), yang dapat menimbulkan infeksi akut dan berpotensi menyebabkan komplikasi serius. Infeksi kronis sering kali baru terdeteksi
- Cosine 0,883
Tahun 2024 · Penulis: Nico Wibiyanto
Analisis Perbandingan Algoritma Support Vector Machine dan Random Forest dengan Seleksi Fitur Sequential, Chi-Square, dan Embedded Pada Penyakit Kanker Payudara
Kanker umumnya terkait dengan tumor ganas yang dapat menyebar ke jaringan tubuh yang lebih luas. Kanker payudara terjadi akibat pertumbuhan sel-sel payudara secara berlebih kemudian membentuk tumor yang bersifat jinak (benigna) dan ganas (maligna). Penyakit ka