Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : JurTI (JURNAL TEKNOLOGI INFORMASI)

Analisa Perbandingan Kinerja Algoritma Klasifikasi Untuk Prediksi Penyakit Kanker Payudara Rudi Hartono; Yusuf Sumaryana; Alwi Nurfaizi
(JurTI) Jurnal Teknologi Informasi Vol 7, No 1 (2023): JUNI 2023
Publisher : Universitas Asahan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36294/jurti.v7i1.3418

Abstract

Data yang diunggah Globocan pada tahun 2020, jumlah kasus baru kanker payudara di Indonesia mencapai 68.858 kasus (16,6%) dari total 396.914 kasus baru kanker, dengan jumlah kematiannya mencapai lebih dari 22 ribu jiwa kasus. dibidang kesehatan dan medis, klasifikasi berbasis pembelajaran mesin banyak digunakan untuk membantu dokter dan profesional kesehatan mengklasifikasikan penyakit kanker untuk menentukan tindakan terbaik, bahwa ada beberapa algoritma, teknik dan alat yang dipakai dalam memprediksi penyakit kanker payudara dengan hasil akurasi yang berbeda-beda. Dengan membandingkan algoritma klasifikasi dan metode Ensemble Learning Bagging dan metode biasa pada penelitian ini serta dengan menggunakan data yang berasal dari SEER NCI yang diunggah ke dalam website Kaggle.com dengan jumlah atribut yaitu 16 dan jumlah record nya sebesar 4025 record, bahwa hasil dari perbandingan model algoritma baik menggunakan teknik Ensemble Learning Bagging atau tidak, algoritma dengan nilai kinerja akurasi terbaik yaitu algoritma Random Forest, semua kinerja akurasi pada setiap algoritma bertambah dengan rata-rata kenaikan 1% dengan menggunakan teknik Ensemble Learning Bagging, menunjukan bahwa teknik ini dapat digunakan untuk meningkatkan kinerja akurasi dibandingkan dengan teknik default pada setiap algoritma ataupun dengan perhitungan manual, selain itu jumlah record juga dapat mempengaruhi kinerja algoritma. Dengan menambahkan model algoritma lain nya seperti AdaBoost, logistic Regression, XGBClassifier, LGBMClassifier, ExstraTreeClasifier, dan teknik Ensemble Learning Heterogenous serta proses pembuatan Machine Learning dengan framework Streamlit maka proses untuk prediksi penyakit kanker payudara akan semakin baik.
Co-Authors Abdulrohman, Rijal Agung Baitul Hikmah Agus Ramdhani Nugraha Agus Supriatman Ahmad Fauzi, Irgi Akik Hidayat Alawiyah, Tuti Alwi Nurfaizi Andi Maulana, Andi Andri Kusmayadi Andri Kusmayadi Andri Sukmaindrayana Anwar, Muhammad Saepul Asep Saepulloh Aso Sudiarjo Cepi Rahmat Hidayat Chan Chan Bayu Bahari Cucu Tohir Dadang Haryanto Dede Koswara Dede Syahrul Anwar, Dede Syahrul Dicky Davi Passa Dinda M. Khatami Dinda Sofi Farhani Dipa, Arya Endang Heri Supriatna Evi Dewi Sri Mulyani Fadilah, Ai Linda Nurahmah Fahmy Fauzi Alvianda Farhani, Dinda Sofi Fauzan Febriansyah, Muhammad Fernida, Yandi Fitriyani Asiqin, Gina Rahma Gati Pramukasari Gea Aristi, Gea Ghaling Achmad Ghaling Achmad Abdul Ghonisyah Gilar Rizki Permana Hartono, Rudi Heryadi, D Yadi Hikmatyar, Missi Ikhlas Ramadhan, Teguh Iqbal Fauzy, Fery Irma Isnafia Arief Khatami, Dinda M. Kurdiman Ary Prasetia Mira Kusmira mubarokah, isna Muhamad Farhan Muhamad Syukur Muhammad Fauzan Febriansyah Muharram, Lintang Mustofa, Prawira Zamal Mutakin Mutakin Mutakin Mutakin Nanang Durahman Ninuk Purnaningsih Nuraeni, Racjmawati Dwi Nurcahya, Intan Prasetia, Kurdiman Ary Racjmawati Dwi Nuraeni Rahman Rahman Rahmat Hidayat, Cepi Raihan, Razif Raihan Maulana Raka Agung Gumilar Ridwan, Ahmad Fauzi rispandi, alpan Ristina Siti Sundari Ristini Siti Sundari Riyan Nurrohman Rizal, Randi Robby Awaludin Roqhaman, Piqi Rudi Hartono Ruuhwan Ruuhwan Ruuhwan Ruuhwan Ruuhwan SALMAN ALFARIZI Salman Alfarizi Saputra, Muhammad Randika Sarmidi - Sarmidi . Sarmidi Sarmidi Sarmidi Sarmidi Setiadji Setiadji Shinta Siti Sundari Sudiarjo, Aso Sulassih, . Sutrisno, Gilan Praditiya Syahrul Anwar, Dede Teuku Mufizar Tomy Achmad Fauzi Tria Sugiarto Wiranatakusumah, Riyan Yanti Apriyani Yanti Yanti Yayas Husni Mubarok