Deteksi Tingkat Resiko Kanker Serviks pada Wanita Usia Subur dengan Metode Modified K-Nearest Neighbor
Kata Kunci:
kanker serviks, Modified K-Nearest Neighbor, resampling, seleksi fitur, nilai gain, nilai kAbstrak
Kanker serviks merupakan kanker kedua yang paling banyak diderita oleh wanita di Indonesia. Penyebab utama kanker serviks 99,7% berkaitan erat dengan infeksi virus Human Papilloma. Salah satu metode yang digunakan untuk skrining kanker serviks adalah IVA (Inspeksi Visual dengan Asam Asetat), yang berfungsi mendeteksi keberadaan sel-sel abnormal sejak dini. Namun, metode IVA memiliki kekurangan, yakni tingkat sensitivitas dan spesifitas yang rendah. Maka, penelitian ini dilakukan dengan tujuan untuk mendeteksi tingkat resiko kanker serviks dengen menerapkan metode Modified K-Nearest Neighbor (MKNN). Metode tersebut dipilih karena mampu menangani data outlier dan tidak seimbang. Metode ini bekerja dengan menghitung jarak antar data sambil menyesuaikan bobot tetangga berdasarkan jaraknya sehingga menghasilkan klasifikasi yang lebih representatif. Dataset penelitian mencakup 314 pasien kanker serviks. Setelah melalui tahapan data preprocessing, pembagian
data yang digunakan selama penelitian, yaitu 824 data latih dan 275 data uji. Penelitian ini melibatkan 7 kelas, yakni stadium IA, IB, IIA, IIB, IIIB, IVA, dan IVB. Kombinasi teknik resampling dan seleksi fitur diterapkan untuk meningkatkan performa model, menghasilkan akurasi tertinggi sebesar 92,72% pada nilai gain 0,07 dan k = 2. Lalu, pengujian kedua dilakukan dengan menerapkan stratified k-fold cross validation menunjukkan rata-rata akurasi 91,99% pada k = 2.
Referensi
Annur, H., 2018. KLASIFIKASI MASYARAKAT MISKIN MENGGUNAKAN METODE NAÏVE BAYES. ILKOM Jurnal Ilmiah, 10(2), pp.160–165.
Aryanti, R., Misriati, T. and Hidayat, R., 2023. KLIK: Kajian Ilmiah Informatika dan Komputer Klasifikasi Risiko Kesehatan Ibu Hamil Menggunakan Random Oversampling Untuk Mengatasi Ketidakseimbangan Data. KLIK: Kajian Ilmiah Informatika dan Komputer, [online] 3(5), pp.409–416. Available at: <https://djournals.com/klik>.
Cholil, S.R., Handayani, T., Prathivi, R. and Ardianita, T., 2021. Implementasi Algoritma Klasifikasi K-Nearest Neighbor (KNN) Untuk Klasifikasi Seleksi Penerima Beasiswa. IJCIT (Indonesian Journal on Computer and Information Technology), 6(2), pp.118–127.
Fauza, M., Aprianti and Azrimaidaliza, 2019. Faktor yang Berhubungan dengan Deteksi Dini Kanker Serviks Metode IVA di Puskesmas Kota Padang. Jurnal Promosi Kesehatan Indonesia, 14(1), pp.68–80.
Fhylayli, S.U., Setiawan, B.D. and Sutrisno, 2019. Prediksi Tingkat Pemahaman Siswa Dalam Materi Pelajaran Bahasa Indonesia Menggunakan Naive Bayes Dengan Seleksi Fitur Information Gain. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, [online] 3(3), pp.2154–2159. Available at: <http://j-ptiik.ub.ac.id>.
Global Cancer Observatory (GLOBOCAN), 2022. Indonesia Fact Sheet. [online] Available at: <https://gco.iarc.who.int/media/globocan/factsheets/populations/3 60-indonesia-fact-sheet.pdf> [Accessed 1 September 2024].
Herdian, C., Kamila, A. and Budidarma, I.G.A.M., 2024. Studi Kasus Feature Engineering Untuk Data Teks: Perbandingan Label Encoding dan One-Hot Encoding Pada Metode Linear Regresi. Technologia : Jurnal Ilmiah, 15(1), p.93. https://doi.org/10.31602/tji.v15i1.13457.
Herniyatun, Lestyani, Kuntoadi, G.B., Karlina, N. and Dewi, S.U., 2024. FAKTOR-FAKTOR YANG BERHUBUNGAN DENGAN KEJADIAN KANKER SERVIKS. Ensiklopedia of Journal, 6(3), pp.111–116.
Hidayah, U.R., Cholissodin, I. and Adikara, P.P., 2019. Klasifikasi Penyakit Kanker Serviks dengan Extreme Learning Machine. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, [online] 3(7), pp.6575–6582. Available at: <http://j-ptiik.ub.ac.id>.
Irawan, N.D., Wijono, W. and Setyawati, O., 2017. Perbaikan Missing value Menggunakan Pendekatan Korelasi Pada Metode K-Nearest Neighbor. JURNAL INFOTEL, 9(3). https://doi.org/10.20895/infotel.v9i3.286.
Iriantoro, D.N.D., Dewi, C. and Fitriani, D., 2018. Klasifikasi pada Penyakit Dental Caries Menggunakan Gabungan K-Nearest Neighbor dan Algoritme Genetika. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, [online] 2(8), pp.2926–2932. Available at: <http://j-ptiik.ub.ac.id>.
Istiqhfarani, W.A., Cholissodin, I. and Bachtiar, F.A., 2020. Klasifikasi Penyakit Dental caries menggunakan Algoritme Modified K-Nearest Neighbor. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, [online] 4(5), pp.1499–1506. Available at: <http://j-ptiik.ub.ac.id>.
Novalia, V., 2023. Kanker Serviks. GALENICAL: Jurnal Kedokteran dan Kesehatan Mahasiswa Malikussaleh, 2(1), pp.45–56.
Okfalisa, Mustakim, Gazalba, I. and Reza, N.G.I., 2017. Comparative Analysis of K-Nearest Neighbor and Modified K-Nearest Neighbor Algorithm for Data Classification. In: 2017 2nd International Conferences on Information Technology, Information Systems and Electrical Engineering (ICITISEE). IEEE. pp.294–298.
Prusty, S., Patnaik, S. and Dash, S.K., 2022. SKCV: Stratified K-fold cross-validation on ML classifiers for predicting cervical cancer. Frontiers in Nanotechnology, 4. https://doi.org/10.3389/fnano.2022.972421.
Putri, Z.S., Putri, R.R.M. and Indriati, 2017. Deteksi Autisme pada Anak Menggunakan Metode Modified K-Nearest Neighbor (MKNN). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, [online] 1(3), pp.241–248. Available at: <http://j-ptiik.ub.ac.i8>.
Saputra, V.W., Sari, Y.A. and Widodo, A.W., 2019. Klasifikasi Jenis Makanan menggunakan Neighbor Weighted K-Nearest Neighbor dengan Seleksi Fitur Information Gain. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, [online] 3(5), pp.4749–4758. Available at: <http://j-ptiik.ub.ac.id>.
Setiawan, A., 2022. Perbandingan Penggunaan Jarak Manhattan, Jarak Euclid, dan Jarak Minkowski dalam Klasifikasi Menggunakan Metode KNN pada Data Iris. Jurnal Sains dan Edukasi Sains, 5(1), pp.28–37. https://doi.org/10.24246/juses.v5i1p28-37.
Sianturi, F.A., Simangunsong, A., Simanjorang, R.M. and Sijabat, P.I., 2020. Implementasi Algoritma Modified Nearest Neighbourt (M-KNN) Untuk Klasifikasi Buku. JURNAL MEDIA INFORMATIKA [JUMIN] , 1(2), pp.45–51.
Simanjuntak, T.H., Mahmudy, W.F. and Sutrisno, 2017. Implementasi Modified K-Nearest Neighbor Dengan Otomatisasi Nilai K Pada Pengklasifikasian Penyakit Tanaman Kedelai. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, [online] 1(2), pp.75–79. Available at: <http://j-ptiik.ub.ac.id>.
World Cancer Research Fund International, 2022. Cervical cancer statistics. [online] Available at: <https://www.wcrf.org/cancer trends/cervical-cancer-statistics/> [Accessed 1 September 2024].
World Health Organization (WHO), 2024. Cervical cancer. [online] Available at: <https://www.who.int/news-room/fact-sheets/detail/cervical-cancer?gad_source=1&gclid=CjwKCAjwodC2BhAHEiwAE67hJLxBc1Y4DGSSZ-Hdovn-ucDwgQBSLOTejkyPcmPkYo0XfihYYjgOThoCNxIQAvD_BwE> [Accessed 1 September 2024].
Annur, H., 2018. KLASIFIKASI MASYARAKAT MISKIN MENGGUNAKAN METODE NAÏVE BAYES. ILKOM Jurnal Ilmiah, 10(2), pp.160–165.
Aryanti, R., Misriati, T. and Hidayat, R., 2023. KLIK: Kajian Ilmiah Informatika dan Komputer Klasifikasi Risiko Kesehatan Ibu Hamil Menggunakan Random Oversampling Untuk Mengatasi Ketidakseimbangan Data. KLIK: Kajian Ilmiah Informatika dan Komputer, [online] 3(5), pp.409–416. Available at: <https://djournals.com/klik>.
Cholil, S.R., Handayani, T., Prathivi, R. and Ardianita, T., 2021. Implementasi Algoritma Klasifikasi K-Nearest Neighbor (KNN) Untuk Klasifikasi Seleksi Penerima Beasiswa. IJCIT (Indonesian Journal on Computer and Information Technology), 6(2), pp.118–127.
Fauza, M., Aprianti and Azrimaidaliza, 2019. Faktor yang Berhubungan dengan Deteksi Dini Kanker Serviks Metode IVA di Puskesmas Kota Padang. Jurnal Promosi Kesehatan Indonesia, 14(1), pp.68–80.
Fhylayli, S.U., Setiawan, B.D. and Sutrisno, 2019. Prediksi Tingkat Pemahaman Siswa Dalam Materi Pelajaran Bahasa Indonesia Menggunakan Naive Bayes Dengan Seleksi Fitur Information Gain. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, [online] 3(3), pp.2154–2159. Available at: <http://j-ptiik.ub.ac.id>.
Global Cancer Observatory (GLOBOCAN), 2022. Indonesia Fact Sheet. [online] Available at: <https://gco.iarc.who.int/media/globocan/factsheets/populations/3 60-indonesia-fact-sheet.pdf> [Accessed 1 September 2024].
Herdian, C., Kamila, A. and Budidarma, I.G.A.M., 2024. Studi Kasus Feature Engineering Untuk Data Teks: Perbandingan Label Encoding dan One-Hot Encoding Pada Metode Linear Regresi. Technologia : Jurnal Ilmiah, 15(1), p.93. https://doi.org/10.31602/tji.v15i1.13457.
Herniyatun, Lestyani, Kuntoadi, G.B., Karlina, N. and Dewi, S.U., 2024. FAKTOR-FAKTOR YANG BERHUBUNGAN DENGAN KEJADIAN KANKER SERVIKS. Ensiklopedia of Journal, 6(3), pp.111–116.
Hidayah, U.R., Cholissodin, I. and Adikara, P.P., 2019. Klasifikasi Penyakit Kanker Serviks dengan Extreme Learning Machine. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, [online] 3(7), pp.6575–6582. Available at: <http://j-ptiik.ub.ac.id>.
Irawan, N.D., Wijono, W. and Setyawati, O., 2017. Perbaikan Missing value Menggunakan Pendekatan Korelasi Pada Metode K-Nearest Neighbor. JURNAL INFOTEL, 9(3). https://doi.org/10.20895/infotel.v9i3.286.
Iriantoro, D.N.D., Dewi, C. and Fitriani, D., 2018. Klasifikasi pada Penyakit Dental Caries Menggunakan Gabungan K-Nearest Neighbor dan Algoritme Genetika. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, [online] 2(8), pp.2926–2932. Available at: <http://j-ptiik.ub.ac.id>.
Istiqhfarani, W.A., Cholissodin, I. and Bachtiar, F.A., 2020. Klasifikasi Penyakit Dental caries menggunakan Algoritme Modified K-Nearest Neighbor. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, [online] 4(5), pp.1499–1506. Available at: <http://j-ptiik.ub.ac.id>.
Novalia, V., 2023. Kanker Serviks. GALENICAL: Jurnal Kedokteran dan Kesehatan Mahasiswa Malikussaleh, 2(1), pp.45–56.
Okfalisa, Mustakim, Gazalba, I. and Reza, N.G.I., 2017. Comparative Analysis of K-Nearest Neighbor and Modified K-Nearest Neighbor Algorithm for Data Classification. In: 2017 2nd International Conferences on Information Technology, Information Systems and Electrical Engineering (ICITISEE). IEEE. pp.294–298.
Prusty, S., Patnaik, S. and Dash, S.K., 2022. SKCV: Stratified K-fold cross-validation on ML classifiers for predicting cervical cancer. Frontiers in Nanotechnology, 4. https://doi.org/10.3389/fnano.2022.972421.
Putri, Z.S., Putri, R.R.M. and Indriati, 2017. Deteksi Autisme pada Anak Menggunakan Metode Modified K-Nearest Neighbor (MKNN). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, [online] 1(3), pp.241–248. Available at: <http://j-ptiik.ub.ac.i8>.
Saputra, V.W., Sari, Y.A. and Widodo, A.W., 2019. Klasifikasi Jenis Makanan menggunakan Neighbor Weighted K-Nearest Neighbor dengan Seleksi Fitur Information Gain. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, [online] 3(5), pp.4749–4758. Available at: <http://j-ptiik.ub.ac.id>.
Setiawan, A., 2022. Perbandingan Penggunaan Jarak Manhattan, Jarak Euclid, dan Jarak Minkowski dalam Klasifikasi Menggunakan Metode KNN pada Data Iris. Jurnal Sains dan Edukasi Sains, 5(1), pp.28–37. https://doi.org/10.24246/juses.v5i1p28-37.
Sianturi, F.A., Simangunsong, A., Simanjorang, R.M. and Sijabat, P.I., 2020. Implementasi Algoritma Modified Nearest Neighbourt (M-KNN) Untuk Klasifikasi Buku. JURNAL MEDIA INFORMATIKA [JUMIN] , 1(2), pp.45–51.
Simanjuntak, T.H., Mahmudy, W.F. and Sutrisno, 2017. Implementasi Modified K-Nearest Neighbor Dengan Otomatisasi Nilai K Pada Pengklasifikasian Penyakit Tanaman Kedelai. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, [online] 1(2), pp.75–79. Available at: <http://j-ptiik.ub.ac.id>.
World Cancer Research Fund International, 2022. Cervical cancer statistics. [online] Available at: <https://www.wcrf.org/cancer trends/cervical-cancer-statistics/> [Accessed 1 September 2024].
World Health Organization (WHO), 2024. Cervical cancer. [online] Available at: <https://www.who.int/news-room/fact-sheets/detail/cervical-cancer?gad_source=1&gclid=CjwKCAjwodC2BhAHEiwAE67hJLxBc1Y4DGSSZ-Hdovn-ucDwgQBSLOTejkyPcmPkYo0XfihYYjgOThoCNxIQAvD_BwE> [Accessed 1 September 2024].
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
