Universitas Stikubank (Unisbank) Semarang Repository

ANALISA PREDIKSI KEKAMBUHAN KANKER PAYUDARA DENGAN MENGGUNAKAN ALGORITMA NAIVE BAYES

SAPUTRI, EKA RETNO (2019) ANALISA PREDIKSI KEKAMBUHAN KANKER PAYUDARA DENGAN MENGGUNAKAN ALGORITMA NAIVE BAYES. Undergraduate thesis, Universitas Stikubank.

[img] PDF
Restricted to Repository staff only

Download (4MB)

Abstract

Kanker payudara merupakan penyakit yang ganas dan mengharuskan penderitanya untuk melakukan pemeriksaan yang intensif serta melakukan pemeriksaan sejak dini, agar wanita yang positif menderita kanker payudara dapat mengobati kanker tersebut serta mengurang resiko kekambuhan. Permasalahan dalam penelitian ini adalah bagaimana menganalisa data kanker payudara untuk memprediksi kekambuhan kanker payudara. Tujuan penelitian ini adalah menganalisa dan mengklasifikasikan data kanker payudara dengan menggunakan Algoritma Naive Bayes. Data yang akan diteliti berasal dari Universitas Medical Center, Institut Onkologi, Ljubljana, Yugoslavia (1998). Data sebanyak 286 record dan terdiri dari 10 atribut yaitu terdiri dari atribut Age, Menopause, Tumor- Size, Inv-Nodes, Node-Caps, Deg-Malig, Breast, Breast-Quad, Irradiat, dan Class sebagai variabel respon. Dari hasil analisa terhadap data kanker payudara dengan 10 variabel dan dilakukan uji coba sebanyak 3 kali dengan pembagian data yang berbeda, terdapat 1 variabel yang mempengaruhi kekambuhan kanker payudara. Variabel tersebut adalah Deg-Malig (keganasan) kanker payudara dengan tingkat keakurasian terbaik yaitu menggunakan pembagian data train 80% dan data test 20% sehingga didapatkan akursi sebanyak 82.46%. Perlu adanya penelitian dengan data yang diperoleh langsung dalam suatu bidang Kedokteran di Indonesia.

Item Type: Thesis (Undergraduate)
Additional Information: SKR.I.05.02.1800 NIM: 15.01.55.0064
Uncontrolled Keywords: Kata Kunci : Data Mining, Model Klasifikasi, Naive Bayes, Kanker Payudara.
Subjects: Q Science > QA Mathematics
Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Faculty / Institution: Fakultas Teknologi Informasi > Program Studi Sistem Informasi
Depositing User: Yuliana Eliza
Date Deposited: 12 Nov 2019 06:39
Last Modified: 12 Nov 2019 06:39
URI: http://eprints.unisbank.ac.id/id/eprint/5497

Actions (login required)

View Item View Item