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
Mukhrodi, Dillah Lyra
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 
Deteksi Tingkat Resiko Kanker Serviks pada Wanita Usia Subur dengan Metode Modified K-Nearest Neighbor Mukhrodi, Dillah Lyra; Muflikhah, Lailil; Kurnianingtyas, Diva
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 5 (2025): Mei 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Kanker serviks merupakan kanker kedua yang paling banyak diderita oleh wanita di Indonesia. Penyebab utama kanker serviks 99,7% berkaitan erat dengan infeksi virus Human Papilloma. Salah satu metode yang digunakan untuk skrining kanker serviks adalah IVA (Inspeksi Visual dengan Asam Asetat), yang berfungsi mendeteksi keberadaan sel-sel abnormal sejak dini. Namun, metode IVA memiliki kekurangan, yakni tingkat sensitivitas dan spesifitas yang rendah. Maka, penelitian ini dilakukan dengan tujuan untuk mendeteksi tingkat resiko kanker serviks dengen menerapkan metode Modified K-Nearest Neighbor (MKNN). Metode tersebut dipilih karena mampu menangani data outlier dan tidak seimbang. Metode ini bekerja dengan menghitung jarak antar data sambil menyesuaikan bobot tetangga berdasarkan jaraknya sehingga menghasilkan klasifikasi yang lebih representatif. Dataset penelitian mencakup 314 pasien kanker serviks. Setelah melalui tahapan data preprocessing, pembagian data yang digunakan selama penelitian, yaitu 824 data latih dan 275 data uji. Penelitian ini melibatkan 7 kelas, yakni stadium IA, IB, IIA, IIB, IIIB, IVA, dan IVB. Kombinasi teknik resampling dan seleksi fitur diterapkan untuk meningkatkan performa model, menghasilkan akurasi tertinggi sebesar 92,72% pada nilai gain 0,07 dan k = 2. Lalu, pengujian kedua dilakukan dengan menerapkan stratified k-fold cross validation menunjukkan rata-rata akurasi 91,99% pada k = 2.
Co-Authors Kurnianingtyas, Diva Lailil Muflikhah