Tumor otak, baik yang jinak maupun ganas, adalah tantangan kompleks dalam dunia kesehatan yang dapat memengaruhi berbagai kelompok usia. Menyadari pentingnya deteksi dini dan penentuan risiko kerentanan individu, penelitian ini mengeksplorasi metode prediksi tumor otak berbasis machine learning. Dalam studi ini, beberapa model machine learning diterapkan, termasuk Support Vector Machine (SVM), Multi-layer Perceptron (MLP), dan regresi logistik (LR), untuk mengidentifikasi faktor risiko dan gejala yang dapat mengarah pada tumor otak.
Penelitian dilakukan dengan mengumpulkan data dari rumah sakit di Surabaya yang mencakup data klinis selama periode 2012 hingga 2018. Dataset terdiri dari 9 faktor risiko, seperti genetika, pekerjaan, dan trauma, serta 11 gejala, termasuk sakit kepala, kejang, muntah, dan gangguan neurokognitif. Model ini dilatih menggunakan data tersebut dengan rasio 85% untuk pelatihan dan 15% untuk pengujian. Setelah melalui proses pra-pemrosesan data, seperti penghilangan kolom yang kurang signifikan dan normalisasi data, penelitian ini membentuk dataset final yang terdiri dari 1.477 baris.
Hasil dari studi ini menunjukkan bahwa model SVM memberikan performa terbaik dibandingkan model lainnya, dengan nilai accuracy, precision, recall, dan F1-score masing-masing sebesar 0.9809, 0.9914, 0.9847, dan 0.9881. Nilai evaluasi ini mengindikasikan bahwa SVM dapat menangani data berdimensi tinggi dan hubungan non-linear dengan baik, menjadikannya pilihan utama dalam studi ini untuk mengklasifikasikan kerentanan individu terhadap tumor otak.
Untuk memperluas aplikasi praktis dari penelitian ini, para peneliti mengembangkan sebuah aplikasi mobile prediktor yang memudahkan pengguna dalam memonitor faktor risiko kesehatan mereka dan melakukan deteksi dini. Aplikasi ini mengintegrasikan teknologi machine learning yang dirancang untuk memberikan rekomendasi dan deteksi kerentanan tumor otak berdasarkan faktor risiko dan gejala yang dimiliki oleh pengguna.
Penelitian ini mengusulkan bahwa aplikasi berbasis kecerdasan buatan seperti ini dapat memberikan solusi yang transformasional dalam perawatan kesehatan personal dan membantu individu dalam melakukan deteksi dini yang lebih akurat. Hasil dari penelitian ini diharapkan dapat meningkatkan pengambilan keputusan medis dan hasil perawatan bagi pasien dengan potensi kerentanan terhadap tumor otak.
Authors: Yutika Amelia Effendi, Amila Sofiah, Niko Azhari Hidayat, Awol Seid Ebrie, Zainy Hamzah
IJEECS Vol 35, No 3, September 2024
DOI: http://doi.org/10.11591/ijeecs.v35.i3.pp1579-1589
