Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Marzuq, Rafly Dwi
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

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

Found 1 Documents
Search

 1 
Prediksi Kanker Paru-Paru menggunakan Algoritme Random Forest Decision Tree Marzuq, Rafly Dwi; Wicaksono, Satrio Agung; Setiawan, Nanang Yudi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 7 (2023): Juli 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Teknologi telah berevolusi dari awal penciptaannya sampai sekarang dengan laju yang cepat. Salah satu aspek dari teknologi tersebut merupakan berkembanganya pertukaran data yang terjadi. Dengan skala pertukaran data yang besar tentu juga jumlah data yang berputar semakin besar. Untuk menggunakan dan menggali data tersebut menjadi informasi yang bisa digunakan terciptanya konsep Data Mining. Data Mining merupakan teknik untuk menemukan pola dan informasi dari data berjumlah besar. Data Mining bisa diimplementasikan pada banyak industri, salah satunya merupakan industri kesehatan. Penggunaan Data Mining untuk membantu riset dan penanganan kanker sedang sangat meningkat. Dengan munculnya penyakit kanker paru-paru di tubuh manusia terdapat beberapa gejala yang biasa dirasakan oleh kebanyakan pasien kanker paru-paru. Namun, gejala ini seringkali tidak dihiraukan dan tidak dicek oleh praktisi medis sehingga hanya 14% dari pasien yang didiagnosa kanker paru-paru sembuh dari penyakitnya lima tahun dari diagnosa. Menggunakan klasifikasi, terdapat cara untuk menganalisis data hasil gejala awal kanker paru-paru untuk menentukan class label dari hasil tersebut dengan tujuan membantu fasilitas kesehatan membuat keputusan medis terhadap calon pasien. Pada penelitian ini dilakukan implementasi klasifikasi menggunakan Random Forest, serta pengujian menggunakan Confusion Matrix dan f-Fold Cross Validation. Hasil dari pengujian menggunakan Confusion Matrix adalah ditemukan akurasi tertinggi sebesar 0,904 dan rata-rata akurasi sebesar 0,813. Hasil pengujian menggunakan K-fold Cross Validation adalah rata-rata akurasi tertinggi saat menggunakan 5-fold cross validation yaitu akurasi sebesar 0,889.
Co-Authors Nanang Yudi Setiawan Satrio Agung Wicaksono