Prediksi Harapan Hidup Pasca Operasi Toraks Pada Pasien Penderita Kanker Paru-paru Menggunakan Metode Genetic Algorithm Untuk Feature Selection Dan Naive Bayes Classifier

Abstract

Abstrak Penanganan dini yang dilakukan untuk menekan tingkat kematian pasien kanker paru-paru pasca operasi toraks, dengan mengumpulkan data berupa informasi tentang pasien pasca operasi toraks menimbulkan masalah baru yaitu data berdimensi tinggi yang memiliki banyak atribut dan tidak bisa menghasilkan informasi yang akurat. Oleh karena itu, diperlukan skema komputasi yang dapat mereduksi dimensi pada data tersebut. Dalam hal ini, proses reduksi bertujuan untuk meringankan beban komputasi pada klasifikasi, proses reduksi yang digunakan yaitu seleksi fitur Genetic Algorithm. Kemudian metode klasifikasi Naïve Bayes digunakan untuk melakukan proses klasifikasi harapan hidup pasca operasi toraks. Adapun akurasi terbaik yang dihasilkan dari seleksi fitur Genetic Algorithm dan Naïve Bayes Classifier yaitu 85,319%.

Kata kunci : operasi toraks, genetic algorithm, naïve bayes

Abstract Early treatment is carried out to reduce the death rate of lung cancer patients after thoracic surgery by collecting data in the form of information about postoperative thoracic patients, creating a new problem that is high-dimensional data that has many attributes and cannot produce accurate information. Therefore, a computational scheme is needed to reduce the dimensions of the data. In this case, the reduction process aims to ease the computational burden on classification, the reduction process used is the Genetic Algorithm for Feature Selection. Then the Naïve Bayes Classifier method is used to carry out the classification process of life expectancy after thoracic surgery. The best accuracy resulting from the selection of Genetic Algorithm and Naïve Bayes Classifier features is 85,319%.

Keywords: thoracic surgery, genetic algorithm, naïve bayes