Klasifikasi Kanker Serviks Dengan Seleksi Fitur Recursive Feature Elimination dan Forward Selection Berbasis Website

Abstract

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, dengan sekitar 660.000 kasus baru dilaporkan secara global pada tahun 2022. Di Indonesia, kanker serviks merupakan kanker kedua yang paling umum, dengan sekitar 36.000 kasus baru dan 21.000 kematian setiap tahunnya. Peningkatan jumlah pasien kanker serviks serta terbatasnya ketersediaan dokter spesialis membuat diagnosis dini menjadi tantangan tersendiri. Oleh karena itu, penerapan teknologi informasi, khususnya Machine Learning, berpotensi membantu proses identifikasi dan klasifikasi kanker serviks. Penelitian ini bertujuan untuk menganalisis dan membandingkan performa klasifikasi algoritma Random Forest (RF) dan Decision Tree (DT) yang dikombinasikan dengan metode seleksi fitur Recursive Feature Elimination (RFE) dan Forward Selection (FS) untuk klasifikasi kanker serviks. Selain itu, dikembangkan pula sebuah sistem klasifikasi berbasis web untuk memfasilitasi implementasi model yang diusulkan. Dataset yang digunakan dalam penelitian ini adalah Cervical Cancer (Risk Factors) dataset yang diperoleh dari UCI Machine Learning Repository, dengan atribut Biopsy digunakan sebagai variabel target. Proses penelitian terdiri dari pra-pemrosesan data, pembagian data menggunakan rasio 80:20, seleksi fitur, pengembangan model, dan evaluasi model. Performa model dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil eksperimen menunjukkan bahwa penerapan metode seleksi fitur meningkatkan performa klasifikasi dibandingkan dengan model tanpa seleksi fitur. Selain itu, hasil perbandingan menunjukkan adanya perbedaan performa antara algoritma RF dan DT ketika dikombinasikan dengan metode RFE dan FS. Sistem berbasis web yang dikembangkan mampu mengklasifikasikan risiko kanker serviks secara efektif berdasarkan faktor risiko pasien yang dipilih.