Deteksi Dini Penyakit Kanker Paru dengan Gabungan Algoritma Adaboost dan Random Forest

Abstract

Di Indonesia, kanker paru adalah kanker paling banyak diidap pria dan paling banyak kelima pada wanita di antara kanker lainnya. Serangkaian tes diagnostik yang kompleks dan memakan waktu dilakukan untuk mendiagnosis seseorang menderita kanker paru-paru atau tidak. Oleh karena itu, dilakukan pengujian menggunakan gabungan Adaboost dan Random Forest untuk deteksi dini kanker paru berdasarkan seperangkat parameter yang berhubungan dengan kanker paru. Penelitian ini memanfaatkan data sekunder dari website kaggle.com. Data berjumlah 309 set data dimana ada 10 fitur dan 1 kelas yang selanjutnya dilakukan praproses. Kemudian dibentuk dua model Random Forest dan model Adaboost yang menjadikan Random Forest sebagai pembelajar yang lemah. Sesudah model terbentuk, maka dilanjutkan proses pengujian menggunakan data uji. Dari performa yang dihasilkan dapat disimpulkan bahwa kombinasi Adaboost dan Random Forest mencapai accuracy, precision, recall, dan specificity yang lebih tinggi dari penerapan Random Forest tanpa Adaboost yaitu nilainya masing-masing 95,40%, 96%, 96,30% dan 96%.