Klasifikasi Risiko Human Papillomavirus menggunakan Metode Naive Bayes dan Seleksi Fitur Relief

Abstrak

Human Papillomavirus merupakan virus yang menyebabkan berbagai macam jenis penyakit seperti kutil, mandul, keguguran, vaginosis, dan lain-lain. Namun, status HPV pada tumor merupakan faktor yang berpengaruh dalam membantu kelangsungan hidup dan perkembangan untuk bertahan dalam mendapatkan respon pengobatan radioterapi serta kontrol tumor yang lebih baik dibandingkan dengan tumor tanpa HPV. Faktor yang digunakan untuk mengetahui risiko terdapat atau tidaknya hpv tidak hanya tergantung pada status, usia, tahap, perbedaan tumor, gender dan strategi perawatan. Namun juga usia, kurang terpapar tembakau dan alkohol, serta faktor-faktor yang berhubungan dengan tumor. Klasifikasi dan seleksi fitur akan dilakukan untuk mengetahui fitur-fitur dengan bobot yang signifikan yang digunakan untuk klasifikasi terhadap risiko keberadaan HPV pada tumor. Alur algoritma pada penelitian ini adalah dengan melakukan seleksi fitur menggunakan metode relief, kemudian dilakukan klasifikasi menggunakan metode naive bayes yaitu dengan memprediksi probabilitas keanggotaan suatu kelas yang digunakan pada dataset bertipe nominal dan numerik. Pada penelitian ini didapatkan fitur-fitur yang sesuai yaitu, fitur N_Category, T_Category, Tumor_side, Smoking_status_at_diagnosis, Tumor_substite, AJCC_Stage, dan Age_at_diagnosis. Nilai akurasi terbaik adalah sebesar 90,97% dengan melakukan pengujian jumlah fitur menggunakan 5fold, pada setiap fold digunakan 25 data uji dan 98 data latih. Sedangkan, akurasi pada pengujian data seimbang sebesar 85% menggunakan 20 data kelas seimbang dengan 4 data uji dan 16 data latih.