Skripsi

Perbandingan Alogaritma Classification And Reggresion Tress (Cart) Dan K-Nearest Neighbor (K-INN) Untuk Mendiagonis Kanker Payudara

---

RINGKASAN

Kanker payudara adalah tumor ganas yang terbentuk dari sel-sel payudara
yang tumbuh dan berkembang tanpa terkendali sehingga dapat menyebar diantara jaringan atau organ di dekat payudara atau bagian tubuh lainya. Gejala pemulaan kanker payudara sering tidak disadari atau dirasakan dengan jelas oleh penderita sehingga banyak penderita yang berobat dalam keadaan lanjut Hal ini menunjukkan bahwa kanker payudara merupakan penyakit yang ganas sehingga mengharuskan penderitanya untuk melakukan pemeriksaan yang intensif. Hal ini menjadikan para peneliti dan praktisi memusatkan perhatiannya untuk mendeteksi atau mendiagnosis kanker payudara supaya dapat mencegahnya karena penyakit ini bisa menimbulkan kematian Metode yang digunakan dalam penelitian ini yaitu idenfikasi maslah, Pengumpulan data. Tahap pre-processing, metode klasifikasi, validasi dan evaluasi serta penarikan kesimpulan. Algoritma yang digunakan dalam penelitian ini adalah CART dan K-NN. Tujuan penelitian ini untuk membandingkan algoritma mana yang memiliki tingkat akurasi klasifikasi terbaik sehingga bisa digunakan untuk membantu dalam mengklasifikasikan seseorang terkena kanker payudara jinak dan ganas dengan menggunakan dataset diambil dari UCI Machine Learning bersumber dari Wisconsin Breast Cancer.Adapun metode validasi dan evaluasi yang digunakan yaitu 10-cross validation dan confusion matrix untuk penilaian precision, recall dan F-Measure. Hasil perhitungan yang telah dilakukan, didapatkan hasil akurasi pada algoritma CART sebesar 94,87% dengan precision 0,949%, recall 0,949%, dan F-Measure 0,949%. Sedangkan dataset diabetes yang di uji dengan algoritma K-NN mendapatkan nilai akurasi sebesar 95,46% dengan precision 0,955%, recall 0,955%, dan F-Measure 0,954%. Dari hasil tersebut dapat disimpulkan bahwa K-NN lebih baik dibandingkan dengan algoritma CART yang digunakan untuk mendiagnosis kanker payudara.


Kata Kunci : Algoritma, Diagnosis, Kanker payudara







ABSTRACT

Breast cancer is a malignant tumor that is formed from breast cells that grow and develop uncontrollably so that it can spread between the tissues or organs near the breast or other body parts. Symptoms of the onset of breast cancer are often not realized or clearly perceived by the patient so that many patients who seek treatment in advanced circumstances This shows that breast cancer is a very malignant disease and requires the sufferer to conduct intensive examination. This makes the researchers and practitioners focus their attention on detecting / diagnosing breast cancer in order to prevent it because the disease can cause death The method used in this research is problem identification, data collection, pre-processing stage, classification method, validation and evaluation and withdrawal conclusion. The algorithm used in this research is CART and K-NN. The purpose of this study is to compare which algorithm has the best classification accuracy so that it can be used to assist in classifying a person affected by benign breast cancer and malignant using dataset taken from UCI Machine Learning sourced from Wisconsin Breast Cancer.Ad validation and evaluation method used is 10 -cross validation and confusion matrix for precision, recall and F-Measure scoring. Result of calculation which have been done, got accuracy result on CART algorithm equal to 94,87% with precision 0,949%, recall 0,949%, and F-Measure 0,949%. While the diabetes dataset tested with K-NN algorithm get an accuracy value of 95.46% with precision 0.955%, recall 0.955%, and F-Measure 0.954%. From these results it can be concluded that K-NN is better than the CART algorithm used to diagnose breast cancer.

Keywords: Algorithms, Diagnosis, Breast Cancer

---

Ketersediaan

TI1701

TI 1701 RIA p

UPT. PERPUSTAKAAN PUSAT (Rak 1)

Tersedia - No Loan

Informasi Detail

Judul Seri

-

No. Panggil

TI 1701 RIA p

Penerbit

Purwokerto : Universitas Amikom Purwokerto., 2018

Deskripsi Fisik

16x23 cm.; x+294 hlm

Bahasa

Indonesia

ISBN/ISSN

13.11.0032

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

April 2018

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Rianto

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar