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.

	Text HALAMAN_AWAL.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (877kB)
Preview	Text DAFTAR_PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (360kB) | Preview
Preview	Text BAB_I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (381kB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (515kB) | Preview
Preview	Text BAB_III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (850kB) | Preview
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (300kB)
	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 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)
Keywords:	Analisis Darah, Data Mining, Decision Tree, Kanker Payudara, Prediksi
Subjects:	600 Technology (Applied Sciences) 600 Technology (Applied Sciences) > 610 Medicine and Health > 613 Personal Health and Safety
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	24 Aug 2021 14:34
Last Modified:	04 Jul 2023 07:38
URI:	https://kc.umn.ac.id/id/eprint/17165

Actions (login required)

View Item