Komparasi Kinerja Algoritma Mechine Learning Untuk Mengklasifikasi Penyakit Kanker Payudara
Abstract
Breast cancer is a malignant neoplasm that originates from the parenchyma and produces a frequency of death that is a major cause of concern in the world. Breast cancer has a very significant impact on sufferers, including physical changes, emotional stress, and even death. In general, this disease is divided into two types, namely benign and malignant, therefore this research aims to identify how benign and malignant breast cancer is. This research processes data related to comparing the performance of Neural Network, Naive Bayes, and Decision Tree algorithms. The parameters analyzed include accuracy, precision and recall values to evaluate the performance of the three algorithms in the context of the analysis carried out. The results of the comparison of these three algorithms are that the Naive Bayes algorithm is more accurate for use in classifying breast cancer compared to the Neural Network and Decision Tree algorithms. The Naive Bayes algorithm has a higher accuracy rate of 96.4%, 96.7%, 96.6%, and 96.6%.
Keywords: Breast cancer; Neural Network; Naive Bayes; Decesion Tree; Comparison
Abstrak
Kanker payudara adalah suatu penyakit neoplasma ganas yang berasal dari parenchyma dan menghasilkan frekuensi kematian yang menjadi penyebab utama kekhawatiran di dunia. Kanker payudara membawa dampak yang sangat signifikan terhadap penderitanya termasuk perubahan fisik, stres emosional,sampai pada kematian. Secara umum Penyakit ini dibedakan menjadi dua macam yaitu jinak (benign) dan ganas (malignant), oleh karena itu penelitian ini bertujuan untuk mengidentifikasi seberapa jinak dan ganasnya kanker payudara. Penelitian ini memproses data terkait dengan perbandingan kinerja algoritma Neural Network, Naive Bayes, dan Decision Tree. Parameter-parameter yang dianalisis mencakup nilai keakuratan, presisi, dan recall untuk mengevaluasi performa ketiga algoritma dalam konteks analisis yang dilakukan. Adapun hasil perbandingan dari ketiga algoritma ini adalah Algoritma Naive Bayes lebih akurat untuk digunakan dalam melakukan klasifikasi kanker payudara dibandingkan dengan algoritma Neural Network dan Decision Tree. Algoritma Naive Bayes memiliki tingkat akurasi yang lebih tinggi sebanyak 96,4%, 96,7%, 96,6%, dan 96,6%.
Kata Kunci : Kanker Payudara; Neural Network; Naive Bayes; Decesion Tree; Perbandingan
References
B. Aisyah and Y. Sulistyo, “Klasifikasi Kanker Payudara Menggunakan Algoritma Gain Ratio,” J. Tek. Elektro, vol. 8, no. 2, pp. 43–46, 2016.
J. T. Wijaya et al., “Kata Kunci : Klasifikasi data, Kanker Payudara, K-Nearest Neighbor, Gaussian Naive Bayes,” vol. 1, no. 1, pp. 233–237, 2021.
W. Ramdhani, D. Bona, R. B. Musyaffa, and C. Rozikin, “Klasifikasi Penyakit Kangker Payudara Menggunakan Algoritma K-Nearest Neighbor,” J. Ilm. Wahana Pendidik., vol. 8, no. 12, pp. 445–452, 2022.
I. L. Maria, A. A. Sainal, and M. Nyorong, “Risiko Gaya Hidup Terhadap Kejadian Kanker Payudara Pada Wanita - Lifestyle Risk Factors of Women with Breast Cancer,” Media Kesehat. Masy. Indones., vol. 13, no. 2, pp. 157–166, 2017, [Online]. Available: https://journal.unhas.ac.id/index.php/mkmi/article/view/1988.
A. Jamal, A. Handayani, A. A. Septiandri, E. Ripmiatin, and Y. Effendi, “Dimensionality Reduction using PCA and K-Means Clustering for Breast Cancer Prediction,” Lontar Komput. J. Ilm. Teknol. Inf., vol. 9, no. 3, pp. 192-201, 2018, doi: 10.24843/lkjiti.2018.v09.i03.p08.
T. Taufiq, & Y. Yudihartanti, "Penerapan Theorema Bayes Pada Penilaian Kelayakan Angkutan Kota". Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi, vol. 10, no. 1, pp. 111-122, 2021.
fitra, “Analisis Algoritma Klasifikasi Neural Network Untuk Diagnosis Penyakit Kanker Payudara,” J. Pilar Nusa Mandiri, vol. 15, no. 2, pp. 149–156, 2019, doi: 10.33480/pilar.v15i2.601.
H. Oktavianto and R. P. Handri, “Analisis Klasifikasi Kanker Payudara Menggunakan Algoritma Naive Bayes,” INFORMAL Informatics J., vol. 4, no. 3, pp. 117-126, 2020, doi: 10.19184/isj.v4i3.14170.
N. R. Muntiari and K. H. Hanif, “Klasifikasi Penyakit Kanker Payudara Menggunakan Perbandingan Algoritma Machine Learning,” J. Ilmu Komput. dan Teknol., vol. 3, no. 1, pp. 1–6, 2022, doi: 10.35960/ikomti.v3i1.766.
A. M. Zamani and B. Amaliah, “Implementasi Algoritma Genetika pada Struktur Backpropagation Neural Network untuk Klasifikasi Kanker Payudara,” vol. 1, 2012.
Fahminlb33, “breast-cancer-wisconsin.csv,” 2021. https://github.com/Kodesiana/YT-Orange-Data-Mining-Series/blob/master/datasets/breast-cancer-wisconsin.csv.
N. Bayes, M. A. Jabbar, E. Hasmin, C. Susanto, and W. Musu, “Komparasi Algoritma Decision Tree , Naive Bayes , dan K-Nearest Neighbors dalam Klasifikasi Kanker Payudara,” vol. 14, no. 3, pp. 258–270, 2022.
B. Rifai, “Algoritma Neural Network Untuk Prediksi,” Techno Nusa Mandiri, vol. IX, no. 1, pp. 1–9, 2013.
C. Cristina and A. Kurniawan, “Sejarah, Penerapan, dan Analisis Resiko dari Neural Network: Sebuah Tinjauan Pustaka,” J. Inform. J. Pengemb. IT, vol. 3, no. 2, pp. 259–270, 2018, doi: 10.30591/jpit.v3i2.890.
A. M. Khalimi, “Bentuk Algoritma Neural Network,” pengalaman-edukasi.com, 2020. https://www.pengalaman-edukasi.com/2020/06/pembahasan-dasar-algoritma-artifical.html.
H. Pramudia and A. Nugroho, “Sistem Informasi Kerusakan Laptop Menggunakan Metode Naïve Bayes,” Teknol. Elektro, Univ. Mercu Buana, vol. 8, no. 3, pp. 206–214, 2017, [Online]. Available: https://publikasi.mercubuana.ac.id/files/journals/ 4/articles/2186/submission/original/2186-4652-1-SM.pdf.
R. Rachman and R. N. Handayani, “Klasifikasi Algoritma Naive Bayes Dalam Memprediksi Tingkat Kelancaran Pembayaran Sewa Teras UMKM,” J. Inform., vol. 8, no. 2, pp. 111–122, 2021, doi: 10.31294/ji.v8i2.10494.
P. Das, “Bentuk Rumus Algoritma Naive Bayes.” https://www.codespeedy.com/naive-bayes-algorithm-in-python/.
F. Dwi Meliani Achmad, Budanis, Slamat, “Klasifikasi Data Karyawan Untuk Menentukan Jadwal Kerja Menggunakan Metode Decision Tree,” J. IPTEK, vol. 16, no. 1, pp. 18–23, 2012, [Online]. Available: http://jurnal.itats.ac.id/wp-content/uploads/2013/06/3.-BUDANIS-FINAL-hal-17-23.pdf.
R. Hartono, Y. Sumaryana, and A. Nurfaizi, “Analisa Perbandingan Kinerja Algoritma Klasifikasi Untuk Prediksi Penyakit Kanker Payudara,” vol. 7, no. 1, pp. 116–124, 2023.
B. Rogojan, “Gambar Bentuk Decision Tree,” SMB Lite. https://medium.com/smb-lite/what-is-a-decision-tree-algorithm-4531749d2a17.
“Gambar rumus akurasi,presisi,recall,” adpokat.github. https://adpokat.github.io/ informasi/post/rumus-perhitungan-akurasi-presisi-recall-f-ukur/.
How To Cite This :
Refbacks
- There are currently no refbacks.
