KLASIFIKASI KANKER MENGGUNAKAN ALGORITMA NNGE, RANDOM FOREST, DAN RANDOM COMMITEE

  • MUHAMMAD NUR AKBAR UIN Alauddin Makassar
    (ID)

Abstract

Permasalahan yang dibahas dalam penelitian ini adalah seputar data pasien kanker pada sebuah klinik. Data yang digunakan yaitu data pasien dimana setiap pasien menjalani 4 tipe tes laboratorium. Dari data tes tersebut, dilakukan pemrosesan yang menghasilkan suatu pola atau model. Selanjutnya, pola tersebut digunakan untuk mendiagnosa pasien yang lain apakah menderita penyakit kanker atau tidak. Dalam masalah ini pemprosesan dilakukan dengan algoritma NNGE, Random Forest, Random Committee. Penggunaan ketiga algoritma tersebut diharapkan dapat menghasilkan klasifikasi dengan tingkat ketidaktepatan minimum. Sebelumnya data training dibagi menjadi 2 bagian, dimana 75% diambil sebagai data training dan 25% sisanya digunakan sebagai data validation. Hasil klasifikasi terhadap data 100 data uji yaitu sebanyak 37 pasien dinyatakan malignant dan sebanyak 63 pasien dinyatakan benign. Kata Kunci: Klasifikasi, NNGE, Random Forest, Random Committee, preprocessing

Downloads

Download data is not yet available.

Author Biography

MUHAMMAD NUR AKBAR, UIN Alauddin Makassar
Teknik Informatika UIN Alauddin Makassar

References

F. Rachman dan S. W. Purnami, “Perbandingan Klasifikasi Tingkat Keganasan

Breast Cancer Dengan Menggunakan Regresi Logistik Ordinal Dan Support

Vector Machine (SVM),” JURNAL SAINS DAN SENI ITS Vol. 1, No. 1,

(Sept. 2012) ISSN: 2301-928X, pp. D-130, 2012.

G. I. Salama, M. B. Abdelhalim dan M. A.-e. Zeid, “Experimental Comparison of

Classifiers for Breast Cancer Diagnosis,” dalam International Conference

Computer Engineering and Systems (ICCES), Cairo, 2012.

A. Bellaachia dan E. Guven, “Predict ing Breast Cancer Survivability Using Data

Mining Techniques,” dalam SIAM Conference on Data Mining, Washington

DC, 2006.

Turban, Efraim., et al. 2005. "Decision Support Systems and Intelligent Systems"

Rashmi, G. D., Lekha, A., & Bawane, N. (2015). Analysis of Efficiency of

Classification and Prediction Algorithms (Naïve Bayes) for Breast Cancer

Dataset. In 2015 International Conference on Emerging Research in

Electronics, Computer Science and Technology (ICERECT)

Larose, Daniel T. 2004. K-Nearest Neighbor Algorithm.

Santosa, Budi. 2007. Data Mining Teknik Pemanfaatan Data untuk Keperluan

Bisnis. Yogyakarta : Graha Ilmu.

Han, Jiawei., Kember, Micheline. 2006. Data Mining : Concept and Technique. San

Francisco : Morgan Kaufmann Publishers. 2006.

Published
2020-10-30
Section
Volume 5, Nomor 2 Oktober Tahun 2020
Abstract viewed = 470 times