PERBANDINGAN DAN VISUALISASI DATA DALAM PREDIKSI PENYAKIT KANKER TIROID MENGGUNAKAN ALGORITMA MACHINE LEARNING

Yudha, M. Zahran (2026) PERBANDINGAN DAN VISUALISASI DATA DALAM PREDIKSI PENYAKIT KANKER TIROID MENGGUNAKAN ALGORITMA MACHINE LEARNING. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (230kB)
	Text BAB II.pdf Restricted to Registered users only Download (228kB)
	Text BAB III.pdf Restricted to Registered users only Download (250kB)
	Text BAB IV.pdf Restricted to Registered users only Download (2MB)
	Text BAB V.pdf Download (143kB)
	Text DAFTAR PUSTAKA.pdf Download (156kB)

Abstract

Kanker tiroid merupakan salah satu jenis kanker endokrin dengan tingkat kejadian yang meningkat secara signifikan dalam beberapa tahun terakhir. Deteksi dini menjadi kunci untuk menentukan strategi pengobatan yang efektif. Penelitian ini bertujuan untuk membandingkan performa empat algoritma machine learning — Logistic Regression, Random Forest, Gradient Boosting, dan K-Nearest Neighbors (KNN) — dalam memprediksi risiko kanker tiroid berdasarkan dataset dari Kaggle. Metode pendukung yang digunakan meliputi SMOTE untuk mengatasi ketidakseimbangan data, Recursive Feature Elimination (RFE) untuk seleksi fitur, dan Principal Component Analysis (PCA) untuk reduksi dimensi. Dataset terdiri dari 212.691 data pasien dengan 17 atribut yang mencerminkan faktor risiko dan kondisi klinis. Model dievaluasi menggunakan metrik akurasi, sensitivitas, dan spesifisitas. Hasil penelitian menunjukkan bahwa algoritma ensemble seperti Random Forest dan Gradient Boosting memberikan performa terbaik. Visualisasi data turut digunakan untuk meningkatkan interpretabilitas hasil. Penelitian ini diharapkan dapat menjadi referensi dalam pengembangan sistem prediksi berbasis AI di bidang kesehatan, khususnya untuk deteksi dini kanker tiroid.

Actions (login required)

View Item