Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan
Cahyo Priyanto
Universitas Logistik dan Bisnis Internasional
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
RANCANG BANGUN APLIKASI PREDIKSI KANKER PAYUDARA DENGAN PENDEKATAN MACHINE LEARNING Nur Tri Ramadhanti Adiningrum; Resa Rianti; Cahyo Priyanto
Jurnal Informatika dan Teknik Elektro Terapan Vol 11, No 3s1 (2023)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v11i3s1.3351

Abstract

Kanker payudara merupakan penyakit terbanyak yang ditemukan pada wanita dan angka kematiannya menempati posisi kedua kasus kanker yang dapat mempengaruhi lebih dari 2,1 juta orang pada tahun 2020. Berdasarkan kasus tersebut dapat diketahui kanker payudara adalah kanker penyebab utama kematian wanita. Namun kematian ini dapat dikurangi dengan melakukan deteksi dini terhadap sel kanker. Oleh karena itu, pencegahan kanker berperan penting dalam proses pengobatan dan membantu meningkatkan angka pemulihan hidup. Prediksi kanker dapat membantu pasien untuk berkonsultasi dengan dokter lebih cepat. Sehingga, prediksi kanker yang tepat sangat penting untuk memperbarui perawatan pasien kanker payudara. Teknik Machine Learning dapat dilakukan untuk memprediksi kanker payudara karena dapat menangkap interaksi tingkat tinggi antar data yang mungkin menghasilkan prediksi yang lebih baik untuk membedakan antara jinak dan ganas. Oleh karena itu, penelitian ini digunakan pendekatan klasifikasi yang efektif Support Vector Machine (SVM). SVM adalah model yang digunakan untuk melakukan prediksi kanker payudara. Untuk mempermudah proses prediksi, hasil prediksi kanker payudara diterapkan dalam bentuk web base dengan framework Django untuk dapat digunakan oleh dokter dalam menentukan keputusan dengan cepat. Hasil modeling menunjukkan bahwa prediksi kanker payudara menggunakan SVM memperoleh akurasi sebesar 98,24%. Sehingga model yang dibuat sangat baik sehingga aplikasi akan bekerja untuk memprediksi dengan baik.
RANCANG BANGUN APLIKASI PREDIKSI KANKER PAYUDARA DENGAN PENDEKATAN MACHINE LEARNING Nur Tri Ramadhanti Adiningrum; Resa Rianti; Cahyo Priyanto
Jurnal Informatika dan Teknik Elektro Terapan Vol 11, No 3s1 (2023)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v11i3s1.3351

Abstract

Kanker payudara merupakan penyakit terbanyak yang ditemukan pada wanita dan angka kematiannya menempati posisi kedua kasus kanker yang dapat mempengaruhi lebih dari 2,1 juta orang pada tahun 2020. Berdasarkan kasus tersebut dapat diketahui kanker payudara adalah kanker penyebab utama kematian wanita. Namun kematian ini dapat dikurangi dengan melakukan deteksi dini terhadap sel kanker. Oleh karena itu, pencegahan kanker berperan penting dalam proses pengobatan dan membantu meningkatkan angka pemulihan hidup. Prediksi kanker dapat membantu pasien untuk berkonsultasi dengan dokter lebih cepat. Sehingga, prediksi kanker yang tepat sangat penting untuk memperbarui perawatan pasien kanker payudara. Teknik Machine Learning dapat dilakukan untuk memprediksi kanker payudara karena dapat menangkap interaksi tingkat tinggi antar data yang mungkin menghasilkan prediksi yang lebih baik untuk membedakan antara jinak dan ganas. Oleh karena itu, penelitian ini digunakan pendekatan klasifikasi yang efektif Support Vector Machine (SVM). SVM adalah model yang digunakan untuk melakukan prediksi kanker payudara. Untuk mempermudah proses prediksi, hasil prediksi kanker payudara diterapkan dalam bentuk web base dengan framework Django untuk dapat digunakan oleh dokter dalam menentukan keputusan dengan cepat. Hasil modeling menunjukkan bahwa prediksi kanker payudara menggunakan SVM memperoleh akurasi sebesar 98,24%. Sehingga model yang dibuat sangat baik sehingga aplikasi akan bekerja untuk memprediksi dengan baik.
Co-Authors Nur Tri Ramadhanti Adiningrum Resa Rianti