🩺 Liver Cancer Prediction using Machine Learning

📌 Deskripsi

Proyek ini berfokus pada prediksi kanker hati (liver cancer) berdasarkan data klinis dan gaya hidup pasien.
Model machine learning diterapkan untuk mengklasifikasikan apakah pasien berisiko atau tidak, berdasarkan kombinasi faktor medis dan kebiasaan hidup.

Algoritma yang digunakan meliputi:

• 🌳 Random Forest
• 🧩 Support Vector Machine (SVM)
• 👥 K-Nearest Neighbors (KNN)
• 📐 Naive Bayes
• 🌲 Decision Tree

---

📂 Dataset

📑 Sumber Data

Dataset diperoleh dari Kaggle:
🔗 Predict Liver Cancer – Kaggle

📊 Fitur Utama

Kolom	Tipe	Deskripsi
age	Numeric	Usia pasien (30–85 tahun)
gender	Categorical	Jenis kelamin (Male/Female)
bmi	Numeric	Body Mass Index (16–45)
alcohol_consumption	Categorical	Konsumsi alkohol: Never, Occasional, Regular
smoking_status	Categorical	Status merokok: Never, Former, Current
hepatitis_b/c	Categorical	Riwayat infeksi Hepatitis B atau C
liver_function_score	Numeric	Skor fungsi hati
afp_level	Numeric	Alpha-fetoprotein (marker kanker hati)
family_history	Categorical	Riwayat kanker hati dalam keluarga
cirrhosis	Categorical	Riwayat sirosis
physical_activity	Numeric	Aktivitas fisik (jam/minggu)
diabetes	Categorical	Riwayat diabetes
liver_cancer	Target	Label diagnosis (Yes/No)

---

🔎 Tahapan Analisis

1. Import Library 📚
   Digunakan pandas, numpy, matplotlib, seaborn, serta scikit-learn.

2. Load Dataset 📂
   Membaca data mentah, eksplorasi awal, dan menampilkan ringkasan variabel.

3. Data Cleaning 🧹

   • Mengecek missing values
   • Menangani data kosong atau tidak konsisten

4. Exploratory Data Analysis (EDA) 📊

   • Distribusi pasien berdasarkan usia & gender
   • Hubungan faktor risiko dengan status kanker hati
   • Visualisasi korelasi antar variabel numerik

5. Preprocessing ⚙️

   • Encoding variabel kategorikal
   • Normalisasi/standarisasi data numerik
   • Balancing data menggunakan teknik resampling

6. Modeling 🤖
   Beberapa model diterapkan untuk membandingkan performa:

   • Random Forest
   • SVM
   • KNN
   • Naive Bayes
   • Decision Tree

7. Evaluasi 📈

   • Confusion Matrix
   • Classification Report (Precision, Recall, F1-Score)
   • Accuracy Score

---

🏆 Hasil

Model	Accuracy	Precision	Recall	F1-Score
🌳 Random Forest	98.66%	0.99	0.99	0.99
🧩 Support Vector Machine	88.37%	0.88	0.88	0.88
👥 K-Nearest Neighbors (KNN)	89.20%	0.89	0.89	0.89
📐 Naive Bayes	83.39%	0.83	0.83	0.83
🌲 Decision Tree	96.10%	0.96	0.96	0.96

---

📌 Kesimpulan

Berdasarkan hasil evaluasi:

• 🌳 Random Forest memberikan performa terbaik dengan akurasi hampir 99% dan skor metrik yang sangat tinggi.
• 🌲 Decision Tree juga cukup baik, namun lebih rentan terhadap overfitting.
• 🧩 SVM dan 👥 KNN memiliki performa menengah dengan akurasi ~88–89%.
• 📐 Naive Bayes menjadi model tercepat, tetapi memiliki akurasi paling rendah.

Secara keseluruhan, Random Forest adalah model paling optimal untuk prediksi kanker hati pada dataset ini, karena mampu menangkap pola kompleks antar fitur dengan baik.