Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal sistem informasi, Teknologi informasi dan komputer
Candra, Salsabila
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Library & Information Science Mathematics

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

Found 1 Documents
Search

 1 
PERBANDINGAN ALGORITMA KLASIFIKASI DATA MINING MODEL C4.5 DAN NAIVE BAYES UNTUK PREDIKSI KEGANASAN KANKER PAYUDARA Firda, Hiliah; Athiyah, Rima; Candra, Salsabila; Jambak, Muhammad Ihsan
Jurnal Sistem Informasi, Teknologi Informatika dan Komputer Volume 14 No 3, Mei Tahun 2024
Publisher : Universitas Muhammadiyah Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24853/justit.14.3.194-200

Abstract

Kanker payudara menjadi salah satu masalah kesehatan global yang signifikan, dengan tingkat kejadian dan kematian yang tinggi di seluruh dunia. Penelitian ini menyoroti pentingnya prediksi keganasan kanker payudara dalam penanganan pasien dan menggambarkan tantangan dalam deteksi dini serta penanganan kanker payudara, terutama di negara berkembang. Selain itu, penelitian ini menyoroti peran teknologi informasi dan komunikasi, khususnya algoritma data mining seperti C4.5 dan Naive Bayes, dalam meningkatkan prediksi keganasan kanker payudara. Penelitian ini bertujuan untuk membandingkan kinerja kedua algoritma tersebut dalam konteks medis ini, dengan referensi tambahan dari penelitian terdahulu. Hasil penelitian ini menunjukkan bahwa algoritma C4.5 mencapai akurasi sebesar 94,15%, sementara Naïve Bayes mencapai 92,40%. Hal ini menegaskan bahwa algoritma C4.5 memiliki kinerja yang lebih unggul dibandingkan dengan Naïve Bayes. Diharapkan hasil penelitian ini dapat memberikan wawasan yang lebih mendalam tentang pilihan algoritma terbaik untuk prediksi keganasan kanker payudara, yang pada gilirannya dapat meningkatkan diagnosis dini, perawatan yang lebih efektif, dan hasil klinis yang lebih baik bagi pasien.Kata Kunci: Data Mining, C4.5, Naive Bayes, Kanker Payudara, Klasifikasi
Co-Authors Athiyah, Rima Firda, Hiliah Jambak, Muhammad Ihsan