Evaluasi Identifikasi Kanker Serviks Berdasarkan Data Risiko Perilaku dengan Data Mining
Keywords:
Data Mining, Kanker Serviks, Perilaku, Seleksi FiturAbstract
Kanker Serviks merupakan salah satu jenis kanker yang disebabkan oleh Human Papillomavirus atau HPV. Di Indonesia, kasus kemunculan kanker serviks berada di peringkat ke-2 dibawah kanker payudara. Kebutuhan akan deteksi dini kanker serviks sangat diperlukan, terlebih kemunculan kanker serviks dapat dikenali ketika kondisi kanker memasuki stadium akhir. Dengan pemanfaatkan teknologi serta berdasarkan data perilaku, penelitian ini mengusulkan identifikasi dini kanker serviks menggunakan kombinasi seleksi fitur information gain dan data mining. Implementasi dilakukan pada dataset Cervical Cancer Risk Behavioral. Metode information gain mampu menghasilkan 9 fitur utama yang akan digunakan dalam tahap evaluasi dengan data mining. Dari hasil evaluasi beberapa model data mining diketahui metode Naive Bayes mampu memberikan performa terbaik dengan pencapaian 93,21% akurasi, 96% sensitivitas, dan 83,33% spesifisitas. Sehingga dapat disimpulkan bahwa penggunakan skema 9 atribut berdasarkan bobot information gain mampu memberikan peningkatan kemampuan model data mining dalam mengidentifikasikan kemunculan kanker serviks.
References
Agustyawati, D. N., Fauzi, H., dan Pratondo, A. (2021) ‘Perancangan Aplikasi Deteksi Kanker Serviks Menggunakan Metode Convolutional Neural Network’. EProceedings of Engineering, 8(4), pp. 3908–3924.
Alelyani, S. (2021) ‘Stable Bagging Feature Selection on Medical Data’. Journal of Big Data, 8(11), pp. 1-18. https://doi.org/10.1186/s40537-020-00385-8
Alpan, K. (2021) ‘Performance Evaluation of Classification Algorithms for Early Detection of Behavior Determinant Based Cervical Cancer’. 2021 5th International Symposium on Multidisciplinary Studies and Innovative Technologies (ISMSIT), 706–710. https://doi.org/10.1109/ISMSIT52890.2021.9604718
Bates, S., Hastie, T., dan Tibshirani, R. (2021) ‘Cross-validation: What Does It Estimate and How Well does it do it?. Methodology (stat.ME). https://arxiv.org/pdf/2104.00673.pdf.
Fransisca, Y. M., dan Adhisty, K. (2021) ‘Analisis Dukungan Keluarga dalam Menangani Permasalahan pada Pasien Kanker Serviks’. Proceeding Seminar Nasional Keperawatan, 7(1), pp. 116–123.
Lu, W., Chen, T., Yao, Y., dan Chen, P. (2021) ‘Prevalence of Highâ€Risk Human Papil-lomavirus and Cervical Lesion Risk Factors: A Populationâ€Based Study in Zhejiang, China 2010–2019’. Journal of Medical Virology, 93(8), pp. 5118–5125. https://doi.org/10.1002/jmv.27034.
Riani, E. N., dan Ambarwati, D. (2020) ‘Early Detection Kanker Serviks sebagai Upaya Peningkatan Derajat Hidup Perempuan’. SELAPARANG Jurnal Pengabdian Masyarakat Berkemajuan, 3(2), pp. 144-146. https://doi.org/10.31764/jpmb.v3i2.1883.
Sarosa, S. J. A., Utaminingrum, F., dan Bachtiar, F. A. (2019) ‘Breast Cancer Classification Using GLCM and BPNN’. International Journal of Advances in Soft Computing and Its Applications, 11(3), pp. 157-172.
Shalikhah, S., Santoso, S., dan Widyasih, H. (2021) ‘Dukungan Keluarga dan Perilaku Deteksi Dini Kanker Serviks Pada Wanita Usia Subur’. Jurnal Ilmiah Kebidanan, 9(1), pp. 1–7. https://doi.org/https://doi.org/10.33992/jik.v9i1.1472.
Sobar, Machmud, R., dan Wijaya, A. (2016) ‘Behavior Determinant Based Cervical Cancer Early Detection with Machine Learning Algorithm’. Advanced Science Letters, 22(10), pp. 3120–3123. https://doi.org/10.1166/asl.2016.7980.
Sung, H., Ferlay, J., Siegel, R. L., Laversanne, M., Soerjomataram, I., Jemal, A., dan Bray, F. (2021) ‘Global Cancer Statistics 2020: GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries’. CA: A Cancer Journal for Clinicians, 71(3), pp. 209–249. https://doi.org/10.3322/caac.21660.
