Perbandingan Metode COX Proportional Hazard dan Random Survival Forest untuk Menganalisis Ketahanan Hidup Pasien Penderita Kanker Payudara

Abstract

Kanker payudara menjadi salah satu jenis penyakit yang sangat menakutkan bagi setiap perempuan di seluruh dunia, termasuk Indonesia. Umumnya, penyakit kanker payudara terdiagnosa atau ditemui setelah mencapai stadium lanjut dan penderita penyakit ini hanya bertahan hidup dalam waktu yang relatif singkat. Secara statistik, waktu ketahanan hidup pasien kanker payudara dapat dianalisis dengan menggunakan analisis survival. Metode analisis survival yang paling umum digunakan yaitu Cox Proportional Hazard (CPH), dimana metode ini dikenal baik untuk mengeksplorasi korelasi antara waktu survival dan kovariat. Metode CPH efisien digunakan apabila asumsi proportional hazard terpenuhi, jika tidak terpenuhi maka model CPH tidak memberikan kesimpulan akurat sehingga diperlukan metode alternatif. Metode alternatif yang dapat digunakan salah satunya dengan metode Machine Learning (ML) yakni Random Survival Forest (RSF). Metode RSF merupakan metode ensemble yang digunakan untuk menganalisis kelangsungan hidup tersensor kanan tanpa memerhatikan asumsi apapun. Pada penelitian ini bertujuan untuk membandingkan kinerja kedua metode dengan menggunakan nilai C-index dalam menganalisis ketahanan hidup pasien penderita kanker payudara. Hasil dari penelitian ini yaitu metode RSF menunjukkan kinerja yang lebih baik dengan nilai C-index 0,15 atau 15% dibandingkan dengan metode RSF 0,97 atau 97%.