Bagaimana Data Mining Dapat Digunakan Untuk Menyembuhkan Kanker
Pertama-tama kami akan menjelaskan apa itu Data Mining, Data mining adalah suatu proses yang melakukan pengumpulan data atau informasi penting dalam skala yang besar dengan menggunakan metode machine learning, statistika, matematika dan atificial intelligence dalam prosesnya. Berdasarkan sumber yang kami baca, data mining memiliki peran yang sangat besar dalam proses penyembuhan Kanker di dunia. Perlu diketahui bahwa kanker merupakan penyebab kematian terbanyak di seluruh dunia.
Berdasarkan laporan yang dirilis oleh WHO (Organisasi Kesehatan Dunia) terdapat hampir 10 juta kematian pada tahun 2020 yaitu:
-Kanker Payudara sebanyak 2,26 juta kasus
-Kanker paru-paru sebanyak 2,21 juta kasus
-Kanker usus besar dan rektum sebanyak 1,93 juta kasus
-Kanker prostat sebanyak 1,41 juta kasus
-Kanker kulit sebanyak 1,20 juta kasus
-Kanker perut sebanyak 1,09 juta kasus
Dan Penyebab kematian akibat kanker yang paling umum pada tahun 2020 adalah:
-Kanker paru-paru sebanyak 1,80 juta kematian
-Kanker usus besar dan rektum sebanyak 935.000 kematian
-Kanker hati sebanyak 830.000 kematian
-Kanker perut sebanyak 769.000 kematian
-Kanker payudara sebanyak 685.000 kematian
Kanker disebabkan oleh tumbuhnya sel abnormal yang tidak terkendali di dalam tubuh, yang pada akhirnya Pertumbuhan sel abnormal terus menyebar dan merusak sel normal yang ada di dalam organ tubuh lainnya. Penyakit kanker seringkali menyebabkan kematian karena pada awal perkembangan sel abnormal tersebut, penyakit ini tidak menimbulkan gejala yang parah sehingga baru akan terdeteksi dan diobati setelah mencapai stadium lanjut.
Mengapa Data Mining dapat dikatakan membantu Penyembuhan Kanker?
Dengan data yang dihasilkan dalam proses data mining, Pasien dapat mendapatkan hasil penelitian yang mendeteksi dan mendiagnosis kanker didalam tubuh mereka, sehingga pasien akan mendapatkan gambaran dalam merencanakan pilihan pengobatan yang akan mereka
jalani serta memikirkan pola hidup yang lebih baik kedepannya. Deteksi dini kanker payudara menjadikannya kanker yang paling dapat disembuhkan di antara jenis kanker lainnya, deteksi dini dan pemeriksaan yang akurat untuk kanker payudara memastikan tingkat kelangsungan hidup pasien yang diperpanjang. Teknik data mining memiliki reputasi yang cukup baik di bidang medis karena kemampuan diagnostik yang tinggi dan klasifikasi yang berguna. Metode Machine Learning dapat membantu praktisi untuk mengembangkan alat yang memungkinkan pendeteksian tahap awal kanker payudara.
Sebagai contohnya adalah Proses Peng-klasifikasian data pengidap kanker payudara menggunakan metode Naive Baves, langkahnya adalah sebagai berikut:
1.Pemahaman dan persiapan data : Sebelum proses data mining dapat dilakukan, perlu dilakukan pengumpulan data terlebih dahulu. Berdasarkan artikel yang kami baca , kumpulan data diperoleh dari Institut atau penghasil informasi yang dipercaya.
2.Mendeskripsikan data yang tersedia menjadi beberapa atribut dan kelompok (berdasarkan jurnal yang kami baca, kelompok dibagi menjadi dua yaitu kambuh dan tidak kambuh)
3.Melakukan seleksi data, pengolahan data dan Tranformasi data dengan mengubah data menjadi polynominal atau binominal (Karena teknik klasifikasi tidak menerima data dengan jenis numerikal)
4.Data mentah akan di cek ulang sebelum data tersebut dapat diimplementasikan ke dalam tools RapidMiner (Setiap atribut dihitung dengan metode Naive Bayes yaitu klasifikasi yang menggunakan metode probabilittas dan statistika untuk memprediksi peluang di masa depan berdasarkan pengalaman di masa sebelumnya)
Melalui perhitungan data mining menggunakan algoritma Naive Bayes kita dapat menarik kesimpulan mengenai jumlah pasien “Kambuh” dan “Tidak Kambuh”, jumlah tersebut akan di klasifikasi dan dijadikan acuan sebagai langkah pencegahan serta penanganan bagi pasien pengidap kanker payudara.
Berdasarkan sumber yang kami temukan alasan Metode Naive Bayes dapat digunakan dalam penyembuhan penyakit kanker, karena Naive Bayes dapat mengklasifikan dokumen teks untuk membuat diagnosis medis secara otomatis, selain itu Metode Naive Bayes memiliki kelebihan sebagai berikut:
-Naive Bayes memiliki akurasi dan kecepatan yang mumpuni apabila diaplikasikan ke dalam database
-Dapat digunakan pada data kuantitatif maupun data kualitatis
-Tidak diperlukan data training yang banyak
-Jika terdapat nilai yang hilang maka dapat diabaikan di dalam perhitungan
-Naive Bayers merupakan metode yang mudah dibuat dan mudah dipahami
Setelah selesai mendapatkan hasil dari data maka harus dilakukan evaluasi dimana akan dilakukan kontrol terhadap model yang telah dilakukan agar mendapatkan hasil yang sesuai sasaran yang ingin dicapai pada tahap pemahaman bisnis. Evaluasi ini juga dilakukan untuk
menilai sejauh mana permodelan data mining yang dilakukan dapat memenuhi tujuan data mining yang sudah dilakukan sebelumnya sehingga pada tahap ini dilakukan pengecekan ulang dari setiap proses agar hasil yang didapatkan maksimal, apabila semua proses sudah berhasil maka akan dilakukan tahap akhir.
Referensi:
JURIKOM (Jurnal Riset Komputer) : Data Mining untuk Klasifikasi Penderita Kanker Payudara Berdasarkan Data dari University Medical Center Menggunakan Algoritma Naïve Bayes
https://onlinelibrary.wiley.com/doi/full/10.1111/j.1468-0394.2008.00480.x https://www.who.int/news-room/fact-sheets/detail/cancer
https://www.sciencedirect.com/science/article/pii/S1877050919321180