PENERAPAN DECISION TREE C4.5 SEBAGAI SELEKSI FITUR DAN SUPPORT VECTOR MACHINE (SVM) UNTUK DIAGNOSA KANKER PAYUDARA

RISWANTO, PAKARTI (2019) PENERAPAN DECISION TREE C4.5 SEBAGAI SELEKSI FITUR DAN SUPPORT VECTOR MACHINE (SVM) UNTUK DIAGNOSA KANKER PAYUDARA. Masters thesis, IIB DARMAJAYA.

Text TESIS GABUNGAN FULL.pdf Download (3MB)

Abstract

PENERAPAN DECISION TREE C4.5 SEBAGAI SELEKSI FITUR DAN SUPPORT VECTOR MACHINE (SVM) UNTUK DIAGNOSA KANKER PAYUDARA PAKARTI RISWANTO ABSTRAK Dalam bidang kedokteran, penggunaan data mining mempunyai peranan yang cukup penting dan evolusioner yang dapat mengubah cara pandang para dokter, praktisi dan peneliti kesehatan dalam melakukan proses deteksi penyakit kanker payudara pada seorang pasien. Terdapat 2 aplikasi klasifikasi di dalamnya, yaitu proses diagnose (diagnosis) sel kanker yang membedakan antara tumor (kanker jinak) atau kanker ganas dan proses prognosa (prognosis) untuk mengetahui kemungkinan munculnya kembali sel kanker pada pasien yang telah dioperasi di masa yang akan datang. data mining bertujuan untuk menguraikan temuan baru di dalam dataset dan menjelaskan suatu proses yang menggunakan teknik statistik, matematis, artificial intelligence, dan machine learning untuk melakukan ekstrak dan identifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari database tersebut. Klasifikasi dengan data mining dapat dilakukan menggunakan beberapa metode yaitu Decision Tree, K-Nearest Neighbor, Naive Bayes, ID3, CART, Linear Discriminant Analityc dan lain sebagainya yang tentunya memiliki kelebihan dan kekurangan masing - masing. Namun pada penelitian kali ini, penulis berfokus pada klasifikasi data mining dengan menggunakan algoritma Support Vector Mechine dan Deccision Tree. Penelitian ini akan menganalisis Breast Cancer Winconsin Original data set yang diperoleh dari UCI Machine Learning Repository (repositori data penelitian) untuk melakukan klasifikasi keganasan kanker payudara. Kali ini penulis mengkobinasikan antara algoritma Decision Tree classifier yang memiliki kemampuan baik untuk mengolah database yang besar sebagai feature selection kemudian dengan Metode SVM yang layak dan relevan digunakan dalam menganalisis dan mengdiaknosa Pasien Kanker Payudara payudara karena memiliki hasil yang akurat atas permasalahan yang ada dan beberapa landasan. Kata Kunci— Data Mining, diagnosis, Decision Tree Metode SVM

Item Type:	Thesis (Masters)
Subjects:	Ilmu Komputer
Divisions:	Pasca Sarjana > Magister Teknologi Informasi
Depositing User:	editor 1
Date Deposited:	20 Nov 2020 03:51
Last Modified:	20 Nov 2020 03:51
URI:	http://repo.darmajaya.ac.id/id/eprint/2275

Actions (login required)

View Item