Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JIKO (Jurnal Informatika dan Komputer)
Muhammad Ravly Andryan
UNIVERSITAS SINGAPERBANGSA KARAWANG - UNSIKA
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
KOMPARASI KINERJA ALGORITMA XGBOOST DAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) UNTUK DIAGNOSIS PENYAKIT KANKER PAYUDARA Muhammad Ravly Andryan; Muhamad Fajri; Nina Sulistyowati
JURNAL INFORMATIKA DAN KOMPUTER Vol 6, No 1 (2022): ReBorn - February 2022
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (125.204 KB) | DOI: 10.26798/jiko.v6i1.500

Abstract

Kanker payudara merupakan kanker yang sering ditemukan pada wanita di indonesia. kanker ini terjadi karena pertumbuhan neoplasma yang tidak normal yang berasal dari parenchyma. penyakit ini banyak ditemukan di negara-negara maju. Di Indonesia sendiri kanker payudara menempati peringkat kedua setelah kanker serviks. Kanker payudara dapat dideteksi secara dini melalui tumor pada payudara, umumnya dapat terbagi menjadi dua yaitu benign dan malignant. metode yang digunakan pada penelitian ini adalah Knowledge Data Discovery (KDD) dengan menggunakan algoritma XGBoost dan SVM, kemudian dilakukan klasifikasi untuk menentukan apakah kanker yang dianalisa itu bernilai benign atau malignant. Data yang digunakan dalam penelitian ini adalah data publik yang dirilis oleh UCI Machine Learning berjudul Wisconsin Breast Cancer Diagnostic. Hasil kinerja yang didapat setelah melakukan penelitian menggunakan kedua algoritma adalah Xgboost yang memiliki akurasi terbaik sebesar 95.12% dan nilai ROC_AUC sebesar 0.99 dan algoritma SVM memiliki akurasi terendah sebesar 90.24% dan nilai ROC_AUC sebesar 0.98.
Co-Authors Laksono Trisnantoro Muhamad Fajri