AHMARAHMAR

ARRUS Journal of Mathematics and Applied ScienceARRUS Journal of Mathematics and Applied Science

Tingkat dan volume data yang dihasilkan setiap hari yang semakin cepat menimbulkan kebutuhan akan proses penambangan data. Didorong oleh bidang ilmu data dengan pendekatan pembelajaran mesin sebagai paradigma dan platform baru, menjadi sangat penting untuk memberikan dukungan yang bermanfaat dalam membangun model yang dapat membantu para ahli atau praktisi secara efektif dalam membuat keputusan komprehensif terkait kasus potensial. Penelitian ini menggunakan prognosis pembelajaran mendalam untuk merespons secara efektif kasus kanker yang bermasalah di Nigeria. Model berbasis aturan fuzzy digunakan untuk memprediksi kasus kanker potensial dengan menghasilkan prediksi dari sampel data yang dikumpulkan dari laboratorium Epidemiologi di Pusat Kedokteran Federal Asaba, Nigeria. Dataset dibagi menjadi data pelatihan (85%) dan pengujian (15%) untuk membantu validasi. Hasil menunjukkan bahwa usia, obesitas, kondisi lingkungan, dan hubungan keluarga (derajat pertama dan kedua) merupakan faktor kritis yang perlu diperhatikan untuk kasus kanker jinak dan ganas. Model yang dibangun menunjukkan kekuatan kapabilitas prediktif yang tinggi dibandingkan model lain dalam studi serupa.

Algoritma memetik hibrida yang digunakan memanfaatkan linguistik wacana fuzzy dan sistem fuzzy sebagai pra-prosesor.Dalam perancangan dan implementasi hibrida ini, algoritma genetika membantu mempercepat jaringan saraf tiruan agar tidak terjebak pada maksimum lokal serta pada wilayah maksimum lokal multimodal, sehingga model dapat menghasilkan optima yang kuat dalam waktu sesingkat mungkin.Sistem fuzzy membantu merepresentasikan variabel dan nilai data secara lebih baik dalam model.

Pertama, perlu diteliti lebih lanjut bagaimana model hibrida ini dapat diadaptasi untuk memprediksi jenis kanker tertentu secara spesifik, seperti kanker serviks atau payudara di populasi perempuan Nigeria, mengingat perbedaan faktor risiko dan gejala yang unik. Kedua, penting untuk mengevaluasi efektivitas model dalam konteks wilayah pedesaan dengan akses data kesehatan yang terbatas, untuk menilai kemampuan model dalam lingkungan infrastruktur medis yang minim. Ketiga, perlu dikembangkan pendekatan validasi model secara dinamis yang menggunakan alur data waktu nyata dari berbagai rumah sakit di Nigeria, guna menguji ketahanan dan akurasi prediksi model seiring perubahan pola penyakit dan demografi pasien. Studi semacam ini akan membantu memahami sejauh mana model dapat diperbarui secara otomatis tanpa pelatihan ulang menyeluruh. Selain itu, eksplorasi terhadap integrasi data genetik pasien ke dalam model fuzzy dapat memberikan wawasan baru tentang peran faktor keturunan yang lebih dalam. Penelitian juga dapat mengevaluasi perbandingan kinerja antara algoritma memetik dan metode pembelajaran mendalam lainnya dalam konteks sumber daya komputasi yang terbatas. Penting pula untuk menguji bagaimana variasi bobot gejala memengaruhi akurasi prediksi di populasi berbeda. Studi lanjutan dapat mengeksplorasi pemanfaatan model ini dalam sistem pendukung keputusan klinis berbasis mobile untuk tenaga medis lapangan. Akhirnya, perlu dikaji dampak penambahan data lingkungan mikro seperti polusi udara dan paparan bahan kimia terhadap akurasi prediksi model. Dengan pendekatan-pendekatan ini, model dapat menjadi lebih adaptif, akurat, dan relevan bagi sistem kesehatan di Nigeria.

  1. Empirical Evaluation for Intelligent Predictive Models in Prediction of Potential Cancer Problematic... jurnal.ahmar.id/index.php/mathscience/article/view/614Empirical Evaluation for Intelligent Predictive Models in Prediction of Potential Cancer Problematic jurnal ahmar index php mathscience article view 614
  2. Memetic algorithm for short messaging service spam filter using text normalization and semantic approach... doi.org/10.11591/ijict.v9i1.pp9-18Memetic algorithm for short messaging service spam filter using text normalization and semantic approach doi 10 11591 ijict v9i1 pp9 18
  3. Forging An Optimized Bayesian Network Model With Selected Parameters For Detection of The Coronavirus... ascijournal.eu/index.php/asci/article/view/115Forging An Optimized Bayesian Network Model With Selected Parameters For Detection of The Coronavirus ascijournal eu index php asci article view 115
  4. Signature-Based Malware Detection Using Approximate Boyer Moore String Matching Algorithm. signature... doi.org/10.5815/ijmsc.2019.03.05Signature Based Malware Detection Using Approximate Boyer Moore String Matching Algorithm signature doi 10 5815 ijmsc 2019 03 05
Read online
File size1.04 MB
Pages11
DMCAReport

Related /

ads-block-test