Aplikasi Machine Learning Berbasis Mobile untuk Deteksi Dini Kanker Paru paru

Abstract

Kanker paru-paru merupakan salah satu jenis kanker paling mematikan di dunia dengan angka
morbiditas dan mortalitas yang tinggi. Deteksi dini memiliki peran penting untuk meningkatkan
peluang kesembuhan, namun masih sering terkendala keterlambatan diagnosis. Penelitian ini
bertujuan untuk melakukan komparasi performa sembilan algoritma klasifikasi dalam mendeteksi
kanker paru-paru menggunakan aplikasi NusaMiner, yaitu AdaBoost, Artificial Neural Network
(ANN), Decision Tree, Gradient Boosting, K-Nearest Neighbors (KNN), Logistic Regression,
Naïve Bayes, Random Forest, dan Support Vector Machine (SVM). Dataset yang digunakan
berasal dari Kaggle, terdiri atas 309 record dengan 16 atribut yang mencakup faktor risiko dan
gejala pasien. Tahapan penelitian meliputi preprocessing data (data cleaning, encoding,
normalisasi, dan pembagian data), pelatihan model, evaluasi performa menggunakan Confusion
Matrix, Classification Report, ROC Curve, dan AUC, serta pengujian aplikasi dengan metode
blackbox testing. Hasil penelitian menunjukkan bahwa NusaMiner mampu memberikan akurasi
yang tinggi dan stabil pada berbagai rasio pembagian data, dengan algoritma Gradient Boosting
dan Random Forest menempati posisi terbaik dengan akurasi hingga 100% pada beberapa
skenario. Dengan demikian, NusaMiner berpotensi menjadi solusi inovatif untuk mendukung
deteksi dini kanker paru-paru yang lebih efektif, efisien, dan mudah diimplementasikan dalam
praktik pelayanan kesehatan.