JIKO (Jurnal Informatika dan Komputer)
Vol 6, No 1 (2022): ReBorn - February 2022

KOMPARASI KINERJA ALGORITMA XGBOOST DAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) UNTUK DIAGNOSIS PENYAKIT KANKER PAYUDARA

Muhammad Ravly Andryan (UNIVERSITAS SINGAPERBANGSA KARAWANG - UNSIKA)
Muhamad Fajri (Unknown)
Nina Sulistyowati (Unknown)



Article Info

Publish Date
21 Feb 2022

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.

Copyrights © 2022






Journal Info

Abbrev

jiko

Publisher

Subject

Computer Science & IT

Description

JIKO (Jurnal Informatika dan Komputer) is a scientific journal published by Lembaga Penelitian dan Pengabdian Masyarakat of Universitas Teknologi Digital Indonesia (d.h STMIK AKAKOM) Yogyakarta, Indonesia. First published in 2016 for a printed and online version. We receive original research ...