PERBANDINGAN ALGORITMA K-MEANS DAN K-MEDOIDS UNTUK KLASTERISASASI PENYAKIT KANKER SERVIKS

Rini, Lilis Setya and Chairani, Chairani (2022) PERBANDINGAN ALGORITMA K-MEANS DAN K-MEDOIDS UNTUK KLASTERISASASI PENYAKIT KANKER SERVIKS. Masters thesis, Institut Informatika dan Bisnis Darmajaya.

[img] Text
1. COVER.pdf
Download (786kB)
[img] Text
2. Abstrak.pdf
Download (581kB)
[img] Text
3. Halaman Persetujuan dan Pengesahan.pdf
Download (1MB)
[img] Text
4. Daftar Isi.pdf
Download (639kB)
[img] Text
5 BAB I.pdf
Download (693kB)
[img] Text
6. BAB II.pdf
Download (925kB)
[img] Text
7. BAB III.pdf
Download (1MB)
[img] Text
8. BAB IV.pdf
Download (1MB)
[img] Text
9. BAB V.pdf
Download (682kB)
[img] Text
10. Daftar Pustaka.pdf
Download (548kB)
[img] Text
11. Lampiran.pdf
Download (2MB)

Abstract

Kanker Serviks adalah salah satu jenis kanker yang berbahaya. Kanker ini merupakan kanker yang terjadi pada daerah serviks, yaitu bagian rahim yang menghubungkan rahim bagian atas dengan vagina. Kanker serviks disebabkan oleh infeksi virus HPV (Human Papilloma Virus). Cara mendeteksi kanker serviks adalah dengan melakukan screaning dengan berbagai tes yang dilakukan untuk mendeteksi kanker serviks sejak dini. Penggunaan teknik data mining clustering berpotensi diterapkan dalam pelayanan kesehatan, khususnya untuk prediksi kanker serviks. Tujuan dari penelitian ini adalah untuk mengetahui hasil pengelompokan kanker serviks, dan untuk mengetahui hasil perbandingan pengelompokan kanker serviks menggunakan algoritma K-Means dan KMedoids. Pada tahap pengolahan data dengan menangani nilai yang hilang, seluruh data yang berjumlah 858 data record dengan 36 atribut dapat digunakan untuk tahap pemodelan dengan hasil algoritma yang optimal adalah algoritma K-Means yang memperoleh nilai DBI sebesar 0,030, sedangkan algoritma K-Medoids memperoleh nilai DBI sebesar 0,096 sehingga K-Means menjadi algoritma terbaik dalam penelitian ini. Kata Kunci: Clustering, Data Mining, K-Means, K-Medoids, Kanker Serviks.

Item Type: Thesis (Masters)
Subjects: Ilmu Komputer
eTheses
Divisions: Pasca Sarjana > Magister Teknik Informatika
Depositing User: S.Kom. Lilis Setya Rini
Date Deposited: 24 Jan 2023 01:02
Last Modified: 24 Jan 2023 01:26
URI: http://repo.darmajaya.ac.id/id/eprint/10374

Actions (login required)

View Item View Item