UMN Knowledge Center

Penerapan Algoritma Decision Tree Untuk Prediksi Hasil Diagnosis Kanker Payudara Berdasarkan Hasil Analisis Darah

Alexander, Kevin (2021) Penerapan Algoritma Decision Tree Untuk Prediksi Hasil Diagnosis Kanker Payudara Berdasarkan Hasil Analisis Darah. Internship thesis, Universitas Multimedia Nusantara.

[img]
Preview
PDF
HALAMAN_AWAL.pdf

Download (877kB) | Preview
[img]
Preview
PDF
DAFTAR_PUSTAKA.pdf

Download (360kB) | Preview
[img]
Preview
PDF
BAB_I.pdf

Download (381kB) | Preview
[img]
Preview
PDF
BAB_II.pdf

Download (515kB) | Preview
[img]
Preview
PDF
BAB_III.pdf

Download (850kB) | Preview
[img] PDF
BAB_IV.pdf
Restricted to Registered users only

Download (300kB)
[img]
Preview
PDF
LAMPIRAN.pdf

Download (1MB) | Preview

Abstract

Kanker payudara merupakan salah satu jenis penyakit kanker yang menempati urutan jumlah kasus kedua tertinggi dan telah menjadi salah satu penyebab utama kematian yang semakin meningkat setiap tahunnya, terutama pada wanita dari berbagai kalangan usia dan kelas sosial. Hal ini disebabkan oleh kurangnya kemampuan dalam memprediksi keberadaan awal kanker payudara sejak dini, khususnya pada negara berkembang. Penelitian ini membangun model klasifikasi menggunakan beberapa algoritma klasifikasi machine learning untuk meningkatkan kemampuan prediksi seseorang merupakan penderita kanker payudara atau tidak melalui berdasarkan Age, Body Mass Index (BMI), dan beberapa zat yang tergantung dalam tubuh, seperti Glucose, Insulin, HOMA, Leptin, Adiponectin, Resistin, dan MCP-1. Penelitian ini melakukan optimalisasi parameter untuk masing-masing model yang dibangun. Hasil penelitian ini menunjukkan bahwa model Decision Tree memiliki akurasi yang paling tinggi, yaitu sebesar 81%, sedangkan Random Forest sebesar 79%, Support Vector Machine sebesar 75%, Naïve Bayes sebesar 65%, dan K-Nearest Neighbour sebesar 59%. Selain itu, hasil pemodelan Decision Tree yang dibangun pada penelitian ini menunjukkan bahwa jumlah kadar gula darah (Glucose) pada tubuh seseorang dapat dijadikan penentu utama untuk memprediksi seseorang terserang penyakit kanker payudara atau tidak. Hasil dari penelitian ini diharapkan dapat menjadi referensi penelitian selanjutnya maupun implementasi di dunia kesehatan guna meningkatkan kemampuan prediksi kanker payudara sehingga dapat mengurangi jumlah kasus kematian akibat kanker payudara.

Item Type: Thesis (Internship)
Uncontrolled Keywords: Analisis Darah, Data Mining, Decision Tree, Kanker Payudara, Prediksi
Subjects: T Technology > T Technology (General) > T55 Industrial engineering. Management engineering > T70 Information System
Divisions: Fakultas Teknik Informatika > Program Studi Sistem Informasi
SWORD Depositor: mr admin umn
Depositing User: mr admin umn
Date Deposited: 24 Aug 2021 14:34
Last Modified: 24 Aug 2021 14:34
URI: http://kc.umn.ac.id/id/eprint/17165

Actions (login required)

View Item View Item