Klasifikasi Harapan Hidup Pasien Karsinoma Hepatoseluler Menggunakan Extreme Learning Machine Dengan Perbaikan Missing Value

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?n rata-rata AUC sebesar 0,9758.