PERANCANGAN SISTEM DETEKSI PRE-SCREENING KANKER OVARIUM DENGAN PEMBOBOTAN NILAI - Dalam bentuk buku karya ilmiah

ISHAM DWIMAHREZA

Informasi Umum

Kode

25.04.6294

Klasifikasi

000 - General Works

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Tugas Akhir

Dilihat

85 kali

Informasi Lainnya

Abstraksi

ABSTRAK Kanker ovarium merupakan salah satu jenis kanker yang sulit dideteksi sejak dini karena gejala awalnya sering tidak terasa atau menyerupai gangguan ringan. Banyak kasus baru diketahui saat sudah memasuki tahap lanjut, sehingga pengobatannya menjadi lebih sulit dan tingkat kesembuhan menurun. Selain itu, metode pemeriksaan seperti USG atau CT-scan memerlukan biaya tinggi dan belum tentu tersedia secara merata di semua daerah. Oleh karena itu, dibutuhkan pendekatan alternatif yang dapat membantu proses deteksi dini secara lebih sederhana dan efisien. Penelitian ini dilakukan untuk menganalisis dan membandingkan beberapa model yang dapat digunakan dalam proses pre-screening kanker ovarium. Data gejala dikumpulkan dari 185 responden wanita melalui kuesioner yang diperoleh dari Rumah Sakit Hasan Sadikin (RSHS) Bandung. Skema model yang digunakan dalam penelitian ini adalah Statistical Weighting Model (STW), STW dengan penyeimbangan data menggunakan SMOTE, dan Gaussian Naive Bayes (GNB). Evaluasi dilakukan dengan menggunakan nilai akurasi sebagai ukuran utama untuk menentukan model yang paling baik. Hasil akhir dari penelitian ini menunjukkan bahwa Statistical Weighting Model (STW) mampu memberikan hasil yang paling baik dalam proses prescreening kanker ovarium. Metode ini menggunakan pembobotan pada setiap gejala untuk menentukan tingkat risiko. Pada pengujian menggunakan threshold median, model ini berhasil mencapai akurasi sebesar 87,03%. Dengan pendekatan yang cukup sederhana, model STW mampu mendeteksi risiko dengan cukup akurat. Berdasarkan hasil tersebut, model ini dapat menjadi salah satu pilihan metode yang efektif untuk mendukung deteksi dini kanker ovarium. Kata Kunci: kanker ovarium, pre-screening, pembobotan gejala, SMOTE, Gaussian Naive Bayes, akurasi.