Abstract:Abstract: Breast cancer is the leading cause of death for women globally, exacerbated by late detection. This study proposes a breast cancer risk prediction framework using XGBoost with SelectKBest feature selection. It…
aims to improve the accuracy and efficiency of early detection through exploratory data analysis, coding, SMOTE to address class imbalance, and feature selection (k=29). As a result, the XGBoost model achieved 98.1% accuracy, 98.1% recall, 98.1% f1-score, and 98.2% precision on test data, highlighting the importance of feature selection. These results are promising in patient prioritization (triage) for further examination, helping medical personnel identify high-risk patients, thus improving resource allocation efficiency. These findings validate SelectKBest and pave the way for the development of a machine learning-based clinical decision support system for breast cancer early detection workflows. This research contributes significantly to the application of machine learning to support early breast cancer detection.
Keywords: breast cancer; feature selection; machine learning; risk prediction; XGBOOST.
Abstrak: Kanker payudara menjadi penyebab utama kematian wanita global, diperparah deteksi yang terlambat. Penelitian ini mengusulkan kerangka prediksi risiko kanker payudara menggunakan XGBoost dengan seleksi fitur SelectKBest. Tujuannya meningkatkan akurasi dan efisiensi deteksi dini melalui analisis data eksploratif, pengkodean, SMOTE untuk mengatasi ketidakseimbangan kelas, dan seleksi fitur (k=29). Hasilnya, model XGBoost mencapai akurasi 98.1%, recall 98.1%, f1-score 98.1%, dan presisi 98.2% pada data uji, menyoroti pentingnya seleksi fitur. Hasil ini menjanjikan dalam penentuan prioritas pasien (triage) untuk pemeriksaan lebih lanjut, membantu tenaga medis mengidentifikasi pasien berisiko tinggi, sehingga meningkatkan efisiensi alokasi sumber daya. Temuan ini memvalidasi SelectKBest dan membuka jalan bagi pengembangan sistem pendukung keputusan klinis berbasis machine learning untuk alur kerja deteksi dini kanker payudara. Penelitian ini berkontribusi signifikan dalam penerapan machine learning untuk mendukung deteksi dini kanker payudara.
Kata kunci: kanker payudara; pembelajaran mesin; prediksi risiko ; seleksi fitur; XGBOOST.
Abstract:Pendahuluan : Pintu masuk utama bagi masyarakat yang mencari pelayanan darurat adalah rumah sakit. Ruang Gawat Darurat (UGD) merupakan bagian di dalam rumah sakit yang menangani triase pasien. Saat ini, sejumlah rumah sakit…
kit menggunakan teknik Australian Triage Scale (ATS). Keakuratan pelayanan bergantung pada kemampuan triase perawat, karena mereka harus mampu menggunakan teknik berpikir kritis untuk mengambil keputusan yang cepat dan akurat mengenai perawatan pasien.
Tujuan : Untuk mengetahui bagaimana literasi kesehatan, triase yang akurat, dan efektivitas perawatan pasien di unit gawat darurat RS Prikasih saling berkaitan.
Metode : Penelitian ini bersifat analitik dengan desain pendekatan korelasional cross-sectional sebagai metodologi penelitian. Dengan menggunakan teknik pengambilan sampel lengkap, populasi dan sampel penelitian berjumlah 36 perawat IGD yang bekerja di RS Prikasih. Dalam penelitian ini, observasi dijadikan sebagai metode utama pengumpulan data. Uji statistik chi-square digunakan dalam prosedur analisis data univariat dan bivariat.
Temuan : Temuan penelitian ini menggambarkan literasi kesehatan, akurasi triase yang terutama adalah literasi rendah sebesar 72,2%, dan keberhasilan pengobatan pasien yang sebagian besar tidak berhasil sebesar 55,6%. Hal ini juga menunjukkan adanya hubungan antara literasi kesehatan, khususnya triase, dengan keberhasilan pengobatan pasien gawat darurat di RS Prikasih pada tahun 2023 (p < 0,05), yaitu 0,01. Ringkasnya, terdapat korelasi yang kuat antara literasi kesehatan
Abstract:Kemampuan penanganan triage merupakan kemampuan memilih pasien berdasarkan prioritasnya. Berdasarkan studi pendahuluan di IGD RSUD Undata tentang pelaksanaan triage dilakukan pemilihan pasien berdasarkan kegawat daruratanya,…
nya, kemampuan tersebut membutuhkan keterampilan yang khusus dan hal tersebut berhubungan dengan pengetahuan dan sikap perawat. Tujuan penelitian ini adalah untuk menganalisis hubungan tingkat penegetahuan dan sikap perawat dengan kemampuan penanganan triage. Jenis penelitian ini adalah Kuantitatif dengan desain Cross Sectional. Populasi dan sampel dalam penelitian ini berjumlah 43 Perawat IGD dengan teknik pengambilan sampel Total Sampling. Tingkat pengetahuan perawat adalah sebagian besar baik sebanyak 29 responden (67,4%), sikap perawat adalah sebagian besar positif sebanyak 27 responden (62,8%), dan kemampuan penanganan triage sebagian besar adalah sebagian besar baik sebanyak 25 responden (51,1%). Hasil penelitian dari 43 responden menggunakan uji Spearman Rho pada tingkat pengetahuan diperoleh nilai p=0,005 (p ≤ 0,05) dengan nilai derajat keeratan hubungan 0,416 (korelasi cukup) dan pada sikap diperoleh nilai p=0,000 (p ≤ 0,05) dengan nilai derajat keeratan hubungan 0,615 (korelasi kuat). Kesimpulan ada hubungan tingkat penegtahuan dan sikap perawat dengan kemampuan penanganan triase Saran kepada tenaga kesehatan terutama yang bekerja di Instalasi Gawat Darurat supaya meningkatkan pengetahuan dan sikap agar dapat mempertahankan seta meningkatkan kemampuan penanganan triage.
Abstract:Salah satu bentuk mutu pelayanan yang sering dikeluhkan masyarakat adalah waktu tunggu (waiting time). Waiting time yaitu waktu tunggu yang dirasakan oleh pasien mulai dari masuk di IGD sampai di lakukan pemeriksaan oleh…
dokter. Tujuan penelitian ini adalah untuk mengetahui hubungan waiting time dengan kepuasan pasien di IGD RSUD Kabelota. Penelitian ini menggunakan desain analitik deskriptif dengan pendekatan cross sectional. Sampel penelitian ini adalah pasien triage kuning dengan metode purposive sampling sebanyak 60 responden. Data waiting time diperoleh dengan cara observasi menggunakan lembar observasi dan metode check list dengan alat bantu stopwach, sedangkan untuk mengetahui kepuasan pasien didapatkan dengan cara memberikan kuesioner. Analisa data menggunakan Uji Fisher Exact. Hasil penelitian menunjukkan dari 60 responden memiliki waiting time efektif berjumlah 43 responden (71,7%), dan waiting time tidak efektif sebanyak 17 responden dengan (28,3%). Sebagian besar responden puas yaitu sebanyak 48 responsden (80,0%) dan sebagian kecil responden tidak puas yaitu 12 responden (20,0%). Hasil analisis bivariat dengan Uji Fisher Exact diperoleh terdapat Hubungan waiting time dengan kepuasan pasien di IGD RSUD Kabelota yaitu nilai p 0,027 > 0,05. Kesimpulan dari penelitian ini adalah ada hubungan waiting time dengan kepuasan pasien di Instalasi Gawat Darurat RSUD Kabelota. Saran kepada peneliti selanjutnya di harapkan depat melakukan penelitian lebih lanjut terkait waiting time dengan kepuasan pasien dengan menambahkan variabel, jumlah responden, dan menggunakan metode penelitian yang berbeda.