Sistem Pakar Pengklasifikasi Stadium Kanker Serviks Berbasis Mobile Menggunakan Metode Decision Tree

Abstract

Observasi Kanker Dunia menyatakan di Indonesia kanker serviks menempati urutan nomor dua dengan total seluruh kasus kanker 9,2% merupakan kanker serivks yang terus meningkat presentase setiap tahunnya karena penambahan kasus baru. Penting bagi masyarakat waspada terhadap gejala-gejala yang timbul akibat kanker serviks. Kurangnya pengetahuan tentang kanker serviks sejak dini meningkatkan risiko kematian. Hal ini disebabkan karena penderita mengetahui kanker serviks ketika berada pada stadium lanjut. Maka penting untuk mengetahui gejala penderita kanker serviks dan tingkat stadiumnya agar mendapatkan penanganan yang sesuai. Penelitian ini bertujuan untuk membuat sistem pakar yang dapat membantu masyarakat mengetahui klasifikasi penyakit stadium kanker serviks. Metode yang digunakan untuk mengembangkan sistem pakar adalah metode decision tree. Salah satu dari teknik analisis keputusan dan metode klasifikasi pada data mining. Proses klasifikasi menggunakan data pasien kanker serviks sebanyak 200 record dengan 12 gejala yang digunakan sebagai acuan. Metode decision tree yang digunakan memiliki nilai accuracy 85.50%, recall 85.40%, dan precision 86.74%. Sistem pakar dikembangkan dengan menggunakan frame work flutter. Hasil dari penelitian berupa aplikasi mobile sistem pakar yang telah diuji black box yang dinyatakan valid. Sistem ini dapat membantu masyarakat mengetahui hasil diagnosa dari gejala yang dialami dan tingkat stadium dengan akurat untuk menerapkan penanganan yang sesuai

Data Mining untuk Klasifikasi Diagnosa Kanker Payudara Dengan Menerapkan Algoritma C4.5

“…Nilai akurasi yang dihasilkan sebesar 93,04%, precision sebesar 80,00% dan recall sebesar 92,31%. Hasil yang diperoleh terdapat peningkatan nilai akurasi dibanding penelitian sebelumya yang memperoleh akurasi sebesar 85.5% [10].…”

“…Pada penelitian lain, metode Support Vector Machine (SVM) diimplementasikan dalam deteksi kanker paru dengan hasil akurasi sebesar 87,10% [9]. Penelitian lain menemukan aturan untuk mendeteksi stadium kanker serviks menggunakan pendekatan Decision Tree dan algoritma C4.5 dengan akurasi 85,5% [10]. Penelitian lain yang menggunakan pendekatan Decision Tree dengan algoritma C4.5 untuk mendeteksi kanker serviks menghasilkan akurasi sebesar 98,61% [11].…”

Combination of Image Enhancement and U-Net Architecture for Cervical Cell Semantic Segmentation

“…Based on WHO data, in 2018 it is estimated that 570,000 women were diagnosed with cervical cancer, with 311,000 of them dying. The results of the World Cancer Observation (Globocan) in Indonesia stated that cervical cancer was in second place with the addition of more than 36,000 new cases or around 9.2% of the total cancer cases (Maryam & Ariono, 2022). Cervical cancer or cervical cancer occurs in the cervical area, which is the entrance between the uterus and the vagina, which is caused by the HPV virus (Esmaeilzadeh & Nasirzadeh, 2023).…”