Improvement Model Prediksi Kanker Payudara menggunakan Support Vector Machine dengan Kernel Linear, RBF, Hyperparameter

Darnella Oswari, Veronica Landrea (2022) Improvement Model Prediksi Kanker Payudara menggunakan Support Vector Machine dengan Kernel Linear, RBF, Hyperparameter. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (673kB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (289kB) | Preview
Preview	PDF BAB_I.pdf Download (563kB) | Preview
Preview	PDF BAB_II.pdf Download (453kB) | Preview
Preview	PDF BAB_III.pdf Download (321kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
Preview	PDF BAB_V.pdf Download (199kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (365kB)

Abstract

Kanker payudara paling umum menyerang wanita dan menjadi persoalan besar di dunia kesehatan. Pertambahan kasusnya merupakan yang tertinggi di dunia dan kasus kematiannya terbanyak ketiga di dunia. Upaya deteksi dini perlu dilakukan agar penderita segera di tangani dan dilakukan perawatan sehingga dapat meminimalisir kasus kematian karena terlambatnya deteksi dan penanganan. Salah satu solusi yang dilakukan yaitu melalui data mining dengan mengkombinasikan algoritma SVM dengan Kernel Linear, Kernel RBF, dan hyperparameter. Kernel Linear dan Kernel RBF merupakan kernel yang biasa dipakai pada SVM. Pemilihan hyperparameter dilakukan karena masih jarang ditemui penelitian kanker payudara yang menggunakan hyperparameter. Selain itu dari penelitian terdahulu di bidang kesehatan, hyperparameter sukses meningkatkan akurasi. Penelitian ini akan menggunakan framework CRISP-DM dengan programming Python dan akan menggunakan bantuan tools Jupyter Notebook. Penelitian ini bertujuan untuk melakukan prediksi terhadap penyakit kanker payudara. Dari penelitian ini, diperoleh nilai akurasi SVM menggunakan hyperparameter dengan diketahui Kernel terbaik yaitu RBF dengan akurasi 98.38%, f1-score 98.38%, precision 100%, dan recall 96.82%. Maka diketahui hyperparameter merupakan metode yang cocok untuk penelitian ini. Penelitian diharapkan dapat membantu bidang kesehatan dan dapat menambah informasi pengetahuan mengenai implementasi data mining terlebih dalam algoritma SVM Kernel Linear, Kernel RBF, dan hyperparameter.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Hyperparameter, Kanker Payudara, Kernel Linear, Kernel RBF, Support Vector Machine
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:	20 Jul 2022 03:53
Last Modified:	07 Aug 2023 06:41
URI:	https://kc.umn.ac.id/id/eprint/21974

Actions (login required)

View Item