Klasifikasi Data Penderita Breast Cancer Menggunakan Metode Gaussian Naive Bayes

Yulianto, Rahmat (2021) Klasifikasi Data Penderita Breast Cancer Menggunakan Metode Gaussian Naive Bayes. Undergraduate thesis, UNIVERSITAS MUHAMMADIYAH jember.

	Text a. PENDAHULUAN.pdf Download (3MB)
	Text Abstrak.pdf Download (339kB)
	Text BAB I.pdf Download (621kB)
	Text BAB II a.pdf Restricted to Repository staff only Download (2MB) \| Request a copy
	Text BAB III.pdf Restricted to Repository staff only Download (342kB) \| Request a copy
	Text BAB IV.pdf Restricted to Repository staff only Download (1MB) \| Request a copy
	Text BAB V.pdf Restricted to Repository staff only Download (376kB) \| Request a copy
	Text DAFTAR PUSTAKA.pdf Download (507kB)
	Text i. LAMPIRAN.pdf Restricted to Repository staff only Download (925kB) \| Request a copy
	Text j. JURNAL.pdf Download (1MB)

Abstract

Kanker payudara merupakan tumor ganas yang menyerang jaringan sel-sel payudara. Kanker payudara merupakan masalah paling besar bagi wanita di seluruh dunia dan menyebabkan kematian utama bagi penderita kanker payudara. penyakit kanker payudara di negara berkembang menunjukkan bahwa penyakit kanker dengan persentase kasus tertinggi, kurang lebih 43% kasus dan persentase kematian yaitu 12,9%. Pesatnya perkembangan teknologi sekarang ini memungkinkan untuk mendeteksi suatu penyakit kanker payudara dengan menggunakan teknik penalaran Soft computing. Salah satu teknik data mining yang dipakai dalam penelitian terhadap dunia kesehatan adalah klasifikasi. Penelitian ini berisi tentang pengukuran metode Gaussian Naive Bayes terhadap klasifikasi penyakit breast cancer terhadap pasien. Data yang digunakan berasal dari UCI Machine Learning dengan total data 116 pasien dengan partisi 80 data digunakan pada skenario uji dan 36 data digunakan pada uji validasi. Penelitian ini menggunakan skenario uji K Fold Cross Validation dengan nilai k = 2,4,5, 8 dan 10. Pada penelitian ini diperoleh hasil akurasi tertinggi yaitu 62,5% yang dihasilkan pada pengujian 10 Fold skenario 5 dan 9 dan presisi yang sama diperoleh yaitu 62,5%. Model pada 10 Fold skenario 5 dan 9 merupakan skenario terbaik maka keduanya akan diuji validasi. Hasil uji validasi menunjukkan pada 10 Fold skenario 5 dan 9 memperoleh hasil akurasi sebesar 61,11% dan presisi sebesar 56,66%.

Item Type:

Thesis (Undergraduate)

Uncontrolled Keywords:

Data Mining, Klasifikasi, Breast Cancer, Gaussian Naive Bayes

Subjects:

000 Computer Science, Information, & General Works
000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science
000 Computer Science, Information, & General Works > 005 Computer Programming, Programs, & Data

Divisions:

Faculty of Engineering > Department of Informatics Engineering (S1)

Department:

S1 Teknik Informatika

Depositing User:

Rahmat Yulianto