Fakultas Teknologi Informasi

Prediksi Bedah Toraks Menggunakan Seleksi Fitur Forward Selection dan K-Nearest Neighbor

Penulis
Dosen:
  1. RANGGA SANJAYA
  2. FITRIYANI
Tanggal Terbit
01 Desember 2019
Kategori
Jurnal Nasional Terakreditasi [SINTA 2]
Penerbit
JEPIN (Jurnal Edukasi dan Penelitian Informatika)
Kota / Negara
Pontianak / Indonesia
Volume
Vol 5, No 3 (2019)
Halaman
316 - 320
ISSN
2460-0741
E-ISSN
2548-9364
E-ISBN
http://dx.doi.org/10.26418/jp.v5i3.35324
URL
http://jurnal.untan.ac.id/index.php/jepin/article/view/35324
Abstrak
Kanker paru merupakan penyakit yang memerlukan tindakan penanganan yang cepat dan terarah, dimana penyebab paling tinggi dari kanker paru adalah merokok. Bedah toraks merupakan operasi yang paling umum untuk kanker paru. Bedah toraks dapat mengobati kanker paru, akan tetapi usia hidup pasien pasca operasi yang menjadi masalah, sehingga sebelum melakukan operasi dokter harus dapat memilih pasien dengan tepat berdasarkan resiko dan manfaat. Penelitian ini menggunakan dataset thoracic surgery dengan menggunakan algoritma K-Nearest Neighbor. Pada dataset thoracic surgery terdapat kelas atau fitur yang tidak relevan sehingga dilakukan seleksi fitur menggunakan Forward Selection. Eksperimen dan pengolahan data yang dilakukan, dibantu oleh software Rapidminer. Pada penelitian ini akan dilakukan perbandingan performa antara algoritma K-Nearest Neighbor tanpa seleksi fitur dengan K-Nearest Neighbor dengan seleksi fitur Forward Selection. Berdasarkan hasil pengujian dan perbandingan dari kedua model yang diusulkan, algoritma K-NN dengan optimasi fitur menggunakan metode forward selection memiliki nilai akurasi lebih baik dibandingkan dengan algoritma K-NN tanpa seleksi fitur.