IMPLEMENTATION OF K-NEAREST NEIGHBOR ALGORITHM FOR CLASSIFICATION OF LUNG CANCER CAUSES

Hanindiya Putri Almeyda, Zidan Fathannul Khoiri, M Sabirin Haris, Nabilah Husen Alkaff, Sukmadiningtyas Sukmadiningtyas

Abstract


Abstract: Lung cancer is most deadly cancers in the world. Identification and classification of the causes of understanding lung cancer is essential for developing more effective prevention and treatment strategies. The issue is that a lot of individuals are unaware about the characteristics and causes of lung cancer. The purpose of this study is to apply the K-Nearest Neighbor (K-NN) algorithm in the classification of the causes of lung cancer and provide education to the public must be aware of the traits of lung cancer patients and, to stay away from the causes of lung cancer. The dataset used consists of 309 samples with 16 relevant attributes. The K-NN algorithm was trained and tested to assess its ability to classify the factors that cause lung cancer. The results showed an accuracy of 90.32%, with a precision for the "YES" class of 96% and the "NO" class of 67%. The recall value for the "YES" class was 92% and for the "NO" class was 80%. The implementation of this algorithm gives good results in classification and can help in early detection and prevention of lung cancer which can be used in the development of more effective prevention and early diagnosis strategies.


Keywords: lung cancer; k-nearest neighbor; classification; machine learning

 

 

Abstrak: Kanker paru-paru tergolong jenis penyakit kanker yang memperoleh angka kematian paling tinggi di dunia. Identifikasi dan klasifikasi penyebab kanker paru-paru sangat penting untuk pengembangan strategi pencegahan dan pengobatan yang lebih efektif. Masalah yang terjadi adalah banyak orang yang belum mengetahui tentang ciri-ciri dan penyebab-penyebab dari kangker paru tersebut. Tujuan penelitian ini adalah mengimplementasikan algoritma K-Nearest Neighbor (K-NN) dalam klasifikasi penyebab kanker paru-paru serta memberikan edukasi kepada masyarakat banyak agar mengetahui ciri-ciri orang yang mengidap kangker paru-paru dan tentunya untuk menghindari penyebab-penyebab dari kangker paru-paru tersebut. Dataset yang digunakan terdiri dari 309 sampel dengan 16 atribut yang relevan. Algoritma K-NN kemudian dilatih dan diuji untuk menilai kemampuannya dalam mengklasifikasikan faktor-faktor penyebab kanker paru-paru. Hasil penelitian menunjukkan akurasi sebesar 90.32%, dengan skor precision untuk kelas "YES" sebesar 96% dan kelas "NO" sebesar 67%. Nilai recall untuk kelas "YES" adalah 92% dan untuk kelas "NO" sebesar 80%. Implementasi algoritma ini memberikan hasil yang baik dalam klasifikasi dan dapat membantu dalam deteksi dini serta pencegahan kanker paru-paru yang dapat digunakan dalam pengembangan strategi pencegahan dan diagnosis dini yang lebih efektif.

 

Kata kunci: kanker paru-paru; k-nearest neighbor; klasifikasi; machine learning


Full Text:

PDF

References


R. Rofiani, L. Oktaviani, D. Vernanda, and T. Hendriawan, “Penerapan Metode Klasifikasi Decision Tree dalam Prediksi Kanker Paru-Paru Menggunakan Algoritma C4.5,” vol. 18, no. 1, 2024.

Mohd Alimin and Ni Putu Rita Jeniyanti, “Pengaruh Penggunaan Fiksasi Masker Paru Terhadap Ketepatan Terget Penyinaran Pada Kanker Paru Teknik Intensity Modulated Radiation Therapy (IMRT) Di Departemen Onkologi Radiasi Rumah Sakit Umum Jakarta,” Jurnal Ilmu Kesehatan dan Gizi, vol. 2, no. 1, pp. 216–224, Nov. 2023, doi: 10.55606/jikg.v2i1.2153.

R. Dwi Yulian Prakoso, B. Soejono Wiriaatmadja, and F. Wahyu Wibowo, Seminar Nasional Teknologi Komputer & Sains (SAINTEKS) Sistem Klasifikasi Pada Penyakit Parkinson Dengan Menggunakan Metode K-Nearest Neighbor. 2020.

M. Yunus and N. K. A. Pratiwi, “Prediksi Status Gizi Balita Dengan Algoritma K-Nearest Neighbor (KNN) di Puskemas Cakranegara,” JTIM : Jurnal Teknologi Informasi dan Multimedia, vol. 4, no. 4, pp. 221–231, Feb. 2023, doi: 10.35746/jtim.v4i4.328.

Rachmadhany Iman, Basuki Rahmat, and Achmad Junaidi, “Implementasi Algoritma K-Means dan Knearest Neighbors (KNN) Untuk Identifikasi Penyakit Tuberkulosis Pada Paru-Paru,” Repeater : Publikasi Teknik Informatika dan Jaringan, vol. 2, no. 3, pp. 12–25, Jun. 2024, doi: 10.62951/repeater.v2i3.77.

M. Annan, M. Mustofa, H. N. Wahiid, B. M. Islami, A. Ristyawan, and E. Daniati, “Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) 485 Penggunaan Algoritma KNN dalam Deteksi Awal Kanker Paru-Paru Menggunakan Data Medis,” 2024.

Y. Setiawan, “Data Mining berbasis Nearest Neighbor dan Seleksi Fitur untuk Deteksi Kanker Payudara,” vol. 8, no. 2, 2023.

A. Muzakir, A. Desiani, and A. Amran, “Klasifikasi Penyakit Kanker Prostat Menggunakan Algoritma Naïve Bayes dan K-Nearest Neighbor,” Komputika : Jurnal Sistem Komputer, vol. 12, no. 1, pp. 73–79, May 2023, doi: 10.34010/komputika.v12i1.9629.

C. Zai and T. Komputer, “Implementasi Data Mining Sebagai Pengolahan Data,” 2022.

S. Analisis, A. Satusehat, D. Wardhani, R. Astuti, and D. D. Saputra, “Optimasi Feature Selection Text Mining: Stemming dan Stopword,” INNOVATIVE: Journal Of Social Science Research, vol. 4, pp. 7537–7548, 2024.

J. Homepage, Q. A’yuniyah, and M. Reza, “IJIRSE: Indonesian Journal of Informatic Research and Software Engineering Application Of The K-Nearest Neighbor Algorithm For Student Department Classification At 15 Pekanbaru State High School Penerapan Algoritma K-Nearest Neighbor Untuk Klasifikasi Jurusan Siswa Di Sma Negeri 15 Pekanbaru,” 2024.

T. Abdi Mangun, O. Nurdiawan, and A. Irma Purnamasari, “Lung Cancer Analysis Using K-Nearst Neighbor Algorithm,” 2023. [Online]. Available: https://ejournal.ubibanyuwangi.ac.id/index.php/jurnal_tinsika

T. K. Ningsih and H. Zakaria, “Implementasi Algoritma K-Nearest Neighbor Pada Sistem Deteksi Penyakit Jantung (Studi Kasus : Klinik Makmur Jaya).” 2024. [Online]. Available: https://journal.mediapublikasi.id/index.php/logic

V. Wulandari, W. J. Sari, Z. Alfian, L. Legito, and T. Arifianto, “Implementasi Algoritma Naïve Bayes Classifier dan K-Nearest Neighbor untuk Klasifikasi Penyakit Ginjal Kronik,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 4, no. 2, pp. 710–718, Apr. 2024, doi: 10.57152/malcom.v4i2.1229.

A. Naufal Hilmi et al., “Implementasi Algoritma K-Nearest Neighbor (KNN) untuk Identifikasi Penyakit pada Tanaman Jeruk Berdasarkan Citra Daun,” no. 2, pp. 107–117, 2024, doi: 10.62951/router.v2i2.78.




DOI: https://doi.org/10.33330/jurteksi.v11i1.3305

Article Metrics

Abstract view : 30 times
PDF - 29 times

Refbacks

  • There are currently no refbacks.


Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) Universitas Royal

Copyright © LPPM UNIVERSITAS ROYAL

 

Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.