Klasifikasi Harapan Hidup Pasien Karsinoma Hepatoseluler Menggunakan Extreme Learning Machine Dengan Perbaikan Data Hilang
Abstract
Berdasarkan analisis data GLOBOCAN pada tahun 2020, kanker hati primer dinyatakan menduduki peringkat ke-6 sebagai kanker yang paling banyak didiagnosis dan peringkat ke-3 sebagai penyebab kematian akibat kanker utama di dunia. Mayoritas kanker hati primer muncul dari sel-sel hati dan disebut Karsinoma Hepatoseluler (KHS). Salah satu upaya yang dapat dilakukan untuk mengatasi permasalahan tersebut adalah dengan mengklasifikasikan kelangsungan hidup pasien KHS. Pada penelitian ini dilakukan perbandingan antara MissForest dan K-Nearest Neighbors Imputation (KNNI) untuk mengetahui metode imputasi mana yang menghasilkan kinerja terbaik pada klasifikasi untuk memprediksi kelangsungan hidup pasien KHS. Hasil menunjukkan bahwa KNNI lebih unggul dibandingkan MissForest pada klasifikasi menggunakan Extreme Learning Machine, dengan nilai akurasi rata-rata sebesar 92,941% dan rata-rata AUC sebesar 0,9758.
Downloads
References
Emmanuel, T., Maupong, T., Mpoeleng, D., Semong, T., Mphago, B., & Tabona, O. (2021). A survey on missing data in machine learning. Journal of big data, 8(1), pp.140.
Gao, H., Liu, X.-W., Peng, Y.-X., & Jian, S.-L. (2015). Sample-based Extreme Learning Machine with missing data. Mathematical Problems in Engineering, Volume 2015, pp. 1–11.
Hidayah, U. R., Cholissodin, I., & Adikara, P. P. (2019). Klasifikasi Penyakit Kanker Serviks dengan Extreme Learning Machine. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 3(7), pp. 6575–6582.
Huang, G. bin, Zhu, Q. Y., & Siew, C. K. (2006). Extreme Learning Machine: Theory And Applications. Neurocomputing, Volume 70, pp. 489–501.
Kemenkes RI. (2013). Riset Kesehatan Dasar. Balitbang Kemenkes RI: Jakarta.
Marcinkevics, R., Reis Wolfertstetter, P., Wellmann, S., Knorr, C., & Vogt, J. E. (2021). Using Machine Learning to Predict the Diagnosis, Management and Severity of Pediatric Appendicitis. Frontiers in pediatrics, vol. 9, pp. 1–12.
Multazam, S., Cholissodin, I., and Adinugroho, S. (2020). Implementasi Metode Extreme Learning Machine pada Klasifikasi Jenis Penyakit Hepatitis berdasarkan Faktor Gejala. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 4(3), pp. 789-797.
Nishom, M. (2019). Perbandingan Akurasi Euclidean Distance, Minkowski Distance, dan Manhattan Distance pada Algoritma K-Means Clustering berbasis Chi-Square. Jurnal Informatika: Jurnal Pengembangan IT, 4(1), pp. 20–24.
Nurdiansyah, V. V., Cholissodin, I., & Adikara, P. P. (2020). Klasifikasi Penyakit Tuberkulosis (TB) menggunakan Metode Extreme Learning Machine (ELM). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 4(5), pp. 1387– 1393.
Santos, M. S., Abreu, P. H., García-Laencina, P. J., Simão, A., & Carvalho, A. (2015). A New Cluster-Based Oversampling Method For Improving Survival Prediction Of Hepatocellular Carcinoma Patients. Journal of Biomedical Informatics, Volume 58, pp. 49–59.
Stekhoven, D. J., & Bühlmann, P. (2012). Missforest-Non-Parametric Missing Value Imputation For Mixed-Type Data. Bioinformatics, 28(1), pp. 112–118.
Sung, H., Ferlay, J., Siegel, R. L., Laversanne, M., Soerjomataram, I., Jemal, A., & Bray, F. (2021). Global Cancer Statistics 2020: GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries. CA Cancer J Clin, 71(3), pp. 209–249.
Susanti, Shantika Martha, Evy Sulistianingsih. (2018). K Nearest Neighbor dalam Imputasi Missing Data. Buletin Ilmiah Math. Stat. dan Terapannya, 7(1), pp 9 -14.
Copyright (c) 2023 Suci Permata Sari, Triando Hamonangan Saragih, Andi Farmadi, Radityo Adi Nugroho, Rudy Herteno
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
Copyright for articles published in this journal is retained by the authors, with first publication rights granted to the journal. By virtue of their appearance in this open access journal, articles are free to use after initial publication under the International Creative Commons Attribution-NonCommercial 4.0 Creative Commons CC_BY_NC.
