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 | ||||||
Contributors: |
|
||||||
Contact Email Address: | sahabatyulianto60@gmail.com | ||||||
Date Deposited: | 20 Aug 2021 01:37 | ||||||
Last Modified: | 20 Aug 2021 01:37 | ||||||
URI: | http://repository.unmuhjember.ac.id/id/eprint/11567 |
Actions (login required)
![]() |
View Item |