klasifikasi risiko kanker paru berdasarkan gaya hidup dan riwayat kesehatan menggunakan algoritma xgboost dengan seleksi fitur feature importance

Darwis, Nurhasanah (2025) klasifikasi risiko kanker paru berdasarkan gaya hidup dan riwayat kesehatan menggunakan algoritma xgboost dengan seleksi fitur feature importance. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (295kB)
	Text BAB II.pdf Restricted to Registered users only Download (647kB)
	Text BAB III.pdf Restricted to Registered users only Download (244kB)
	Text BAB IV.pdf Restricted to Registered users only Download (2MB)
	Text BAB V.pdf Download (112kB)
	Text DAFTAR PUSTAKA.pdf Download (196kB)

Abstract

Kanker paru-paru adalah salah satu jenis kanker dengan tingkat kematian tertinggi di dunia. Deteksi dini risiko kanker paru penting untuk meningkatkan peluang kesembuhan dan efektivitas pengobatan. Penelitian ini bertujuan mengklasifikasikan risiko kanker paru-paru berdasarkan gaya hidup dan riwayat kesehatan menggunakan algoritma Extreme Gradient Boosting (XGBoost) serta mengevaluasi kinerjanya.Penelitian ini menggunakan dataset dengan 3.000 data dan 16 atribut, seperti kebiasaan merokok, konsumsi alkohol, dan riwayat penyakit kronis. Data diolah melalui preprocessing, meliputi data cleaning, reduksi, dan transformasi. Model XGBoost dilatih pada data latih dan dievaluasi menggunakan data uji, dengan analisis fitur melalui ranking feature importance.Hasil menunjukkan algoritma XGBoost memiliki akurasi tinggi dalam klasifikasi risiko kanker paru-paru. Fitur seperti merokok, konsumsi alkohol, dan riwayat penyakit kronis berkontribusi signifikan terhadap prediksi. Pengurangan fitur berdasarkan feature importance meningkatkan efisiensi tanpa mengurangi performa model secara signifikan. Penelitian ini membuktikan potensi XGBoost sebagai alat pendukung deteksi dini kanker paru-paru.Penelitian ini memberikan manfaat dalam meningkatkan kesadaran akan faktor risiko kanker paru-paru dan mendukung strategi pencegahan serta deteksi dini yang lebih efektif.

Actions (login required)

View Item