ANALISIS DATA MINING UNTUK PREDIKSI KANKER PAYUDARA MENGGUNAKAN ALGORITMA KLASIFIKASI

Tio Putra Sudewo, Raden (2023) ANALISIS DATA MINING UNTUK PREDIKSI KANKER PAYUDARA MENGGUNAKAN ALGORITMA KLASIFIKASI. Skripsi thesis, UNAMA.

[img] Text
BAB I.pdf

Download (213kB)
[img] Text
BAB II.pdf
Restricted to Registered users only

Download (458kB)
[img] Text
BAB III.pdf
Restricted to Registered users only

Download (207kB)
[img] Text
BAB IV.pdf
Restricted to Registered users only

Download (1MB)
[img] Text
BAB V.pdf

Download (12kB)
[img] Text
DAFTAR PUSTAKA.pdf

Download (124kB)

Abstract

Kanker payudara merupakan salah-satu kanker yang menyerang jaringan pada payudara yang mana lebih sering dialami oleh perempuan tetapi tidak menutup kemungkinan juga menyerang laki-laki (sangat jarang terjadi). Penerapan data mining dalam meneliti pasien kanker payudara adalah untuk menjadikan sebuah landasan dalam mengetahui akurasi dari model yang di bangun guna menentukan penderita kanker payudara dengan penggolongan “ganas” atau “jinak” dengan menggunakan naïve bayes dan C4.5. Pengujian dilakukan dengan beberapa eksperimen yaitu perhitungan split data 60%, 70%, dan 80 %. Pengujian data mengenai kanker payudara memiliki akurasi yang tinggi pada split data 70 % menggunakan algortima c4.5 dan memiliki accuracy yang lebih tinggi yaitu 99.4975 % dibandingkan dengan mode pengujian lainnya, sedangkan accuracy terendah adalah split data 80 % pada algortima naïve bayes yaitu 95.1648%. Pada perhitungan yang membandingkan algoritma C4.5 dan algoritma naïve bayes, dapat dikatakan bahwa algortima C4.5 sebagai algoritma yang efektif baik dari perhitungan ataupun hasil akhir yang mana pengujian tersebut dapat dijadikan suatu landasan terkait kanker payudara mengingat hasil akurasi dari algortima C4.5 menyentuh 99.4975 % sedangkan hasil dari algortima naïve bayes hanya menyentuh 95.8944 %.

Item Type: Thesis (Skripsi)
Subjects: Analisis Sistem Informasi
Divisions: Skripsi > Teknik Informatika > 2023
Depositing User: Digital Library
Date Deposited: 10 Jan 2024 10:32
Last Modified: 10 Jan 2024 10:32
URI: http://repository.unama.ac.id/id/eprint/3043

Actions (login required)

View Item View Item