KLASIFIKASI PENYAKIT KANKER PARU MENGGUNAKAN ALGORITMA RANDOM FOREST BERBASIS STREAMLIT

Dimas Aprilianto; Erizal;

ABSTRAK

KLASIFIKASI PENYAKIT KANKER PARU MENGGUNAKAN
ALGORITMA RANDOM FOREST BERBASIS STREAMLIT

Dimas Aprilianto1

, Erian Rizal2*
,

1Teknik Informatika, Universitas Muhammadiyah Prof. DR. HAMKA, Indonesia
2
Sistem dan Teknologi Informasi, Universitas Muhammadiyah Prof. DR. HAMKA,

Indonesia
*
erizal@uhamka.ac.id

Lung cancer is one of the leading causes of global mortality, often difficult to detect early due
to its nonspecific initial symptoms. This study proposes a Machine learning -based approach to
classify lung cancer risks using the Random Forest algorithm optimized with GridSearchCV. The
identified research gap is the lack of interactive web-based implementations that deliver real-time
classification results with a user-friendly interface for general users. The objective of this study is
to develop an accurate and efficient classification model and integrate it into a web application
using Streamlit. The dataset was sourced from Kemenkes, consisting of 5,000 patient records and 18
clinical and lifestyle-related features. The preprocessing steps included data cleaning,
normalization, encoding, and feature recategorization. Model performance evaluation using
Accuracy, Precision, Recall, and F1-Score metrics showed an accuracy of 90%. Feature importance
analysis identified smoking habits, throat discomfort, and respiratory issues as dominant predictors
of lung cancer. The model was then deployed into a Streamlit-based web application and tested via
a User Acceptance Test (UAT) involving 50 respondents, resulting in a Mean Opinion Score (MOS)
average above 84%. These findings indicate that the developed prediction system is not only
technically accurate but also well-accepted by users, highlighting its potential as a practical and
efficient tool for early lung cancer screening.
Keywords: Lung cancer, Random Forest, GridSearchCV, Machine learning , Streamlit, UAT.
Kanker paru merupakan salah satu penyebab utama kematian global yang seringkali sulit
dideteksi secara dini karena gejala awalnya tidak spesifik. Penelitian ini mengusulkan pendekatan
berbasis Machine learning untuk mengklasifikasikan risiko kanker paru-paru menggunakan
algoritma Random Forest yang dioptimasi dengan GridSearchCV. Research gap yang diidentifikasi
adalah kurangnya studi implementatif berbasis web interaktif yang menyajikan hasil klasifikasi
secara real-time dengan antarmuka yang mudah digunakan oleh pengguna awam. Tujuan penelitian
ini adalah membangun model klasifikasi yang akurat dan efisien serta mengintegrasikannya ke dalam
aplikasi berbasis Streamlit. Dataset diperoleh dari platform Kemenkes dengan 5.000 data pasien dan
18 fitur klinis dan gaya hidup. Proses pre-processing mencakup penghapusan duplikasi, normalisasi,
encoding, dan rekategorisasi fitur. Evaluasi performa model menggunakan metrik Accuracy,
Precision, Recall, dan F1-Score menghasilkan Accuracy sebesar 90%. Analisis feature importance
mengidentifikasi bahwa kebiasaan merokok, gangguan tenggorokan, dan masalah pernapasan
merupakan faktor dominan dalam prediksi kanker paru. Model kemudian di-deploy ke aplikasi web
menggunakan framework Streamlit dan diuji melalui User Acceptance Test (UAT) terhadap 50
responden, menghasilkan nilai rata-rata Mean Opinion Score (MOS) di atas 84%. Temuan ini
menunjukkan bahwa sistem prediksi yang dikembangkan tidak hanya akurat secara teknis, tetapi
juga diterima dengan baik oleh pengguna, sehingga berpotensi digunakan sebagai alat bantu skrining
awal kanker paru secara praktis dan efisien.
Kata kunci: Kanker paru, Random Forest, GridSearchCV, Machine learning , Streamlit, UAT.