KLASIFIKASI KANKER MENGGUNAKAN ALGORITMA NNGE, RANDOM FOREST, DAN RANDOM COMMITEE
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, preprocessingDownloads
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.
Copyright (c) 2020 MUHAMMAD NUR AKBAR
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.