Skripsi
Analisis Performa Diagnosis Penyakit Kanker Payudara Menggunakan Rough Set Theorry (RST)
bibliografi: hal. 72
Abstrak
Kanker payudara adalah jenis kanker yang paling banyak diderita oleh wanita di negara maju dan berkembang. Menurut Global Health Estimates, WHO 2015 memperkirakan terdapat 571.000 kematian wanita di dunia yang disebabkan oleh kanker payudara. Deteksi dini memungkinkan kanker payudara dapat didiagnosis lebih awal sebelum kanker berkembang dan menyebar ke area lain di dalam tubuh. Faktor penting dalam tindakan pengobatan kanker payudara adalah mengetahui ukuran kanker payudara dan seberapa jauh kanker telah menyebar. Berbagai metode dapat dilakukan untuk screening pada kanker payudara salah satunya dengan fine needle aspiration cytology (FNAC). Namun metode FNAC ini masih memiliki beberapa hasil diagnosis false negative. Untuk meningkatkan diagnosis terhadap kanker payudara maka teknik machine learning untuk membantu meningkatkan kemampuan diagnostik dalam berbagai bidang penelitian, termasuk dalam bidang kesehatan, diantaranya dengan metode rough set. Bantuan sistem diagnosis komputer untuk medis secara otomatis memungkinkan kesalahan dapat dihindari, dan data medis dapat diperiksa dalam kurun waktu yang singkat serta lebih rinci. Seleksi fitur dengan metode rough set ini menghasilkan redutc dengan tingkat support yang tinggi. Hasil reduct tersebut di generate rule menjadi subset optimal yang membantu sebagai acuan diagnosis penyakit kanker payudara. Hasil menunjukan bahwa metode rough set memiliki tingkat akurasi yang tinggi sebesar 96% dengan tingkat sensitivitas 0,98 serta menghasilkan 16 rule subset optimal.
Kata Kunci : seleksifitur, rough set, penyakit kanker payudara, rule
TI1502 | TI 1502 FAC a | UPT. PERPUSTAKAAN PUSAT (Rak 1) | Tersedia - No Loan |
Tidak tersedia versi lain