KOMPARASI ALGORITMA NAÏVE BAYES DAN DECISION TREE C4.5 UNTUK KLASIFIKASI PENYAKIT KANKER PAYUDARA

Cantika, Tissa (2023) KOMPARASI ALGORITMA NAÏVE BAYES DAN DECISION TREE C4.5 UNTUK KLASIFIKASI PENYAKIT KANKER PAYUDARA. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (393kB)
	Text BAB II.pdf Restricted to Registered users only Download (551kB)
	Text BAB III.pdf Restricted to Registered users only Download (478kB)
	Text BAB IV.pdf Restricted to Registered users only Download (692kB)
	Text BAB V.pdf Download (272kB)
	Text DAFTAR PUSTAKA.pdf Download (407kB)

Abstract

Kanker payudara masih menjadi hal yang menakutkan bagi wanita di Indonesia. Oleh karena itu, pentingnya kesadaran untuk mendeteksi sedari dini. Kanker payudara merupakan sebuah tumor ganas yang dihasilkan dari pertumbuhan sel-sel abnormal di payudara. Salah satu metode yang dapat digunakan dalam permasalahan ini adalah data mining dengan teknik klasifikasi. Dengan teknik klasifikasi data mining, peneliti mendapatkan hasil berdasarkan data jenis tumornya. Jenis tumor kanker payudara terbagi menjadi dua, yaitu Benign (jinak) dan Malignant (ganas). Pada penelitian dilakukan perbandingan kinerja dari algoritma Naive Bayes dan Decision Tree C4.5 untuk memprediksi penyakit kanker payudara. Dataset yang digunakan adalah dataset Breast Cancer Wisconsin (Original) dari UCI Machine Learning Repository yang terdiri dari 699 data dan 11 atribut. Hasil dari penelitian ini menunjukkan bahwa algoritma Naive Bayes menghasilkan tingkat akurasi yang lebih tinggi yaitu sebesar 97.137% dibandingkan dengan algoritma Decision Tree C4.5 yang memperoleh akurasi sebesar 93.047%. Hasil evaluasi kinerja dengan presisi, recall, dan ROC mendapatkan nilai algoritma Naive Bayes lebih tinggi dibandingkan C4.5 yang menunjukkan bahwa algoritma Naive Bayes lebih efisien dan akurat dalam menglasifikasi penyakit kanker payudara.

Actions (login required)

View Item