Implementasi Metode Support Vector Machine dan Particle Swarm Optimization dalam Klasifikasi Faktor Risiko Terkena Penyakit Kanker Paru-paru

Abstract

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.