Kanker paru merupakan penyebab utama kematian utama dalam kelompok kanker. Penyebab paling umum kanker paru adalah paparan dalam jangka waktu yang lama terhadap asap tembakau. Operasi toraks merupakan salah satu cabang ilmu kedokteran yang mempelajari diagnosis dan tindakan operasi pada gangguan kesehatan yang disebabkan penyakit atau cedera pada kerongkongan, paru-paru atau organ tubuh lain yang berada di dada. Namun terdapat banyak resiko dan komplikasi pasca operasi bedah toraks hingga berujung pada kematian. Pada penelitian ini, akan melakukan prediksi harapan hidup pasien kanker paru-paru setelah menjalani kehidupan satu tahun pasca operasi bedah toraks menggunakan computer aided diagnosis (CAD). Prediksi ini dilakukan dengan menganalisa kondisi pasien sebelum dan sesudah operasi. Data yang digunakan pada penelitian ini merupakan data sekunder yang berisi 470 data dengan sebaran 400 data pasien yang hidup (survival) dan 70 data pasien yang meninggal (die). Kondisi jumlah sampel yang tidak seimbang menyebabkan rendahnya prediksi pada kelas minor. Sehingga, pada penelitian ini diusulkan metode yang dapat mengatasi ketidakseimbangan kelas. Adaptive Boost digunakan sebagai optimasi level algoritma dan synthetic minority over-sampling technique (SMOTE) digunakan sebagai optimasi level data yang diterapkan pada algoritma neural network. Hasil penelitian menunjukan bahwa metode yang diusulkan membuat peningkatan yang signifikan dalam prediksi harapan hidup pasien kanker paru pasca operasi bedah toraks. Rata-rata nilai GMeans yang dihasilkan oleh metode yang diusulkan sebesar 74.17% dengan nilai prediksi tertinggi sebesar 76.76%. Sementara algoritma neural network tanpa optimasi hanya menghasilkan rata-rata nilai GMeans sebesar 53.42% dengan hasil tertinggi sebesar 61.26%. Hasil uji beda sebelum dan sesudah menggunakan optimasi menunjukan bahwa penelitian ini mampu meningkatkan performa algoritma neural network dalam mengatasi ketidakseimbangan kelas secara signifikan.
|
