PERBANDINGAN PERFORMA ALGORITMA SUPPORT VECTOR MACHINE DAN K-NEAREST NEIGHBOR DALAM KLASIFIKASI TUMOR OTAK

Ramadhani, Aditya (2025) PERBANDINGAN PERFORMA ALGORITMA SUPPORT VECTOR MACHINE DAN K-NEAREST NEIGHBOR DALAM KLASIFIKASI TUMOR OTAK. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (203kB)
	Text BAB II.pdf Restricted to Registered users only Download (424kB)
	Text BAB III.pdf Restricted to Registered users only Download (368kB)
	Text BAB IV.pdf Restricted to Registered users only Download (908kB)
	Text BAB V.pdf Download (166kB)
	Text DAFTAR PUSTAKA.pdf Download (180kB)

Abstract

Tumor otak merupakan salah satu penyakit serius yang dapat menyebabkan kematian dan gangguan sistem saraf, sehingga memerlukan deteksi dini dan penanganan yang cepat serta akurat. Namun, proses diagnosis secara manual oleh tenaga medis memiliki risiko kesalahan akibat keterbatasan dalam mengelola data yang kompleks. Oleh karena itu, penelitian ini bertujuan untuk membandingkan performa algoritma Support Vector Machine (SVM) dan K-Nearest Neighbor (KNN) dalam klasifikasi tumor otak berbasis data tabular. Dataset yang digunakan berasal dari Kaggle, terdiri atas 20.000 data dengan 19 atribut medis. Model diuji pada dua skenario pembagian data: 80:20 dan 70:30. Hasil terbaik KNN pada data latih (80:20) mencatat akurasi 75,21%, precision 75,29%, recall 75,35%, F1-score 75,32%, dan FPR 24,92%. Di data uji (70:30), KNN mencatat akurasi 50,62%, precision 51,24%, recall 51,09%, F1-score 51,16%, dan FPR 49,86%. Sementara itu, performa tertinggi SVM pada data latih (70:30) mencapai akurasi 50,76%, precision 50,69%, recall 51,28%, F1-score 50,98%, dan FPR 49,76%. Di data uji (80:20), SVM mencatat akurasi 50,58%, precision 50,65%, recall 51,22%, F1- score 50,88%, dan FPR 50,07%. Hasil ini menunjukkan bahwa KNN lebih unggul dan direkomendasikan untuk klasifikasi tumor otak.

Actions (login required)

View Item