Prediksi Kanker Payudara dengan Membandingkan Beberapa Algoritma Machine Learning Berdasarkan Hasil Analisis Komposisi Darah

Davin Christian, Hans (2021) Prediksi Kanker Payudara dengan Membandingkan Beberapa Algoritma Machine Learning Berdasarkan Hasil Analisis Komposisi Darah. Internship thesis, Universitas Multimedia Nusantara.

	Text HALAMAN_AWAL.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (451kB)
Preview	Text DAFTAR_PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (111kB) | Preview
Preview	Text BAB_I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (130kB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (244kB) | Preview
Preview	Text BAB_III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (503kB) | Preview
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (51kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)

Abstract

Kanker payudara merupakan salah satu jenis kanker yang menjadi penyebab utama kematian yang meningkat setiap tahunnya terutama pada wanita. Tingkat kelangsungan hidup penderita yang terkena kanker payudara, khususnya di negara berkembang masih kurang dari 40%. Hal ini terjadi akibat kurangnya kemampuan prediksi awal kemunculan kanker payudara. Penelitian ini memberikan alternatif solusi dalam melakukan prediksi kanker payudara, dengan menggunakan teknologi machine learning dan standar kerangka kerja CRISP-DM berdasarkan Age, Body Mass Index (BMI), dan beberapa kandungan zat dalam tubuh, seperti Glucose, Insulin, HOMA, Leptin, Adiponectin, Resistin, dan MCP-1. Beberapa algoritma yang digunakan dalam penelitian ini untuk memprediksi kanker payudara, yaitu Decision Tree, K-NN, Naïve Bayes, SVM, dan Random Forest serta optimalisasi parameter. Dari hasil pembuatan model, akurasi tertinggi yang didapat adalah 81% menggunakan Decision Tree, sementara K-NN sebesar 59%, Naïve Bayes sebesar 65%, SVM sebesar 75%, dan Random Forest sebesar 79%. Selain itu, model Decision Tree menunjukkan bahwa fitur dengan tingkat korelasi tertinggi terhadap kanker payudara adalah Glucose. Semakin tinggi kadar Glucose dalam darah semakin tinggi pula peluang adanya kanker payudara. Sebaliknya, orang yang menderita kanker payudara cenderung memiliki nilai BMI yang rendah walaupun nilai korelasi BMI terhadap kanker payudara di bawah kandungan Glucose.

Item Type:	Thesis (Internship)
Keywords:	Analisis Darah, Algoritma Machine Learning, Data Mining, Kanker Payudara, Prediksi
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	24 Aug 2021 16:30
Last Modified:	07 Aug 2023 06:46
URI:	https://kc.umn.ac.id/id/eprint/16895

Actions (login required)

View Item