Tumor merupakan sekelompok sel-sel abnormal yang terbentuk hasil proses pembelahan sel yang berlebihan dan tak terkoordinasi. Tumor yang terbentuk dapat menjadi tumor jinak yang tidak bersifat kanker, atau tumor ganas yang dapat menyebabkan kanker.
Dalam industri kesehatan, foto rontgen dianggap sebagai teknik yang paling banyak digunakan untuk mendeteksitumor paru. Namun, sulitnya identifikasi dan klasifikasi nodul pada paru citra x-ray dapat mengakibatkan kesalahan diagnosa serta dapat mengakibatkan kesalahan dalam memberikan pengobatan.
Penelitian tentang deteksi tumor paru sebelumnya dilakukan dengan pendekatan matematika komputasi untuk mendeteksi tumor paru, tetapi hasilnya belum maksimal, yaitu menghasilkan ketepatan klasifikasi 65% dengan metode jaringan syaraf tiruan backpropagation dan 72,55% dengan metode nearest neighbour. Karena itu, dalam penelitian ini digunakan pendekatan pemodelan statistika untuk mengklasifikasikan tumor paru, yakni pendekatan model regresi parametrik dan nonparametrik dengan fungsi penghubung logit.
Data yang digunakan dalam penelitian ini dikategorikan dalam dua kategori, yakni image paru normal (Y = 0) dan image tumor paru (Y = 1), sehingga data image tumor paru mengikuti berdistribusi Bernoulli. Data yang diperoleh dari hasil image processing yang mengubah image menjadi numerik yang menghasilkan variabel prediktor sebanyak 1024. Reduksi dimensi menggunakan transformasi wavelet diskrit (TWD) dan analisis komponen utama (AKU) menghasilkan 4 variabel prediktor dengan 40 observasi yang kemudian dibangun model statistika untuk menentukan klasifikasi paru normal dan tumor paru.
Dengan pendekatan model regresi parametrik diperoleh ketepatan klasifikasi sebesar 80% dengan nilai cut-off probabilitas 0,5. Akurasi klasifikasi diperoleh dari perhitungan nilai probabilitas 
Sebagai contoh untuk observasi ke-10 diperoleh 
karena 
maka observasi ke-10 diklasifikasikan sebagai image tumor paru (Y = 1) . Sebaliknya, jika 
maka observasi ke-i diklasifikasikan sebagai image paru normal (Y = 0).
Sedangkan dengan pendekatan regresi logistik nonparametrik berdasar estimator penalized spline diperoleh ketepatan klasifikasi sebesar 85%. Sebagai contoh nilai estimasi probabilitas untuk observasi ke-10 adalah:
Berdasar nilai 
yang didapatkan, kemudian diklasifikasikan kategori (Y=1) untuk tumor paru dan kategori (Y=0) untuk paru normal. Hal ini dilakukan dengan menentukan nilai ambang yang akan digunakan sebagai perbandingan atau cut-off pada klasifikasi paru normal dan tumor paru. Nilai ambang yang digunakan sebagai acuan cut-off kategori 0 atau kategori 1 ditentukan dengan melihat nilai akurasi klasifikasi dan nilai ambang tertinggi, dan diperoleh nilai ambang (cut off probability) sebesar 0,60. Karena 
maka observasi ke-10 diklasifikasikan sebagai image tumor paru (Y=1).
Akhirnya, berdasar nilai ketepatan klasifikasi pendekatan model regresi nonparametrik berdasar penalized spline adalah lebih baik dari pada pendekatan model regresi parametrik dengan fungsi penghubung logit. Lebih lanjut, karena Press’s Q = 19,6 lebih besar dari 
maka pendekatan model regresi nonparametrik berdasar penalized spline adalah signifikan untuk mengklasifikasikan tumor paru pada citra rontgen paru.
Dari hasil penelitian, dapat disimpulkan bahwa penggunaan pendekatan model statistika berdasar estimator penalized spline untuk pengklasifikasian tumor paru memiliki akurasi lebih tinggi dari pada metode yang telah digunakan peneliti sebelumnya. (*)
Penulis: Dr. Nur Chamidah, M.Si.
Informasi detil dari penelitian ini dapat dilihat pada tulisan kami di:
https://iopscience.iop.org/article/10.1088/1757-899X/546/5/052063/pdf.
Rizka, N. and Chamidah, N. (2019). Lung Tumor Classification on Human Chest X-Ray Using Statistical Modelling Approach. IOP Conference Series: Materials Science and Engineering, 546 052065. DOI: 10.1088/1757-899X/546/5/052065.
