Peningkatan Metode Naive Bayes Classification Untuk Penentuan Tingkat Keganasan Kanker Payudara Menggunakan Particle Swarm Optimization

IMMA, FITRIANI RIZKI (2014) Peningkatan Metode Naive Bayes Classification Untuk Penentuan Tingkat Keganasan Kanker Payudara Menggunakan Particle Swarm Optimization. Skripsi,Fakultas Ilmu Komputer.

Preview	PDF Download (406Kb) | Preview
Preview	PDF Download (4Kb) | Preview

Abstract

Kanker payudara merupakan salah satu jenis kanker yang sering ditemukan pada kebanyakan wanita. Pada umumnya pendeteksian tingkat keganasan kanker payudara dilakukan secara prognosis, yaitu “tebakan terbaik atau prediksi” tim medis dalam menentukan sembuh atau tidaknya pasien dari kanker payudara. Penelitian tentang breast cancer telah banyak dilakukan untuk mengetahui tingkat keganasan breast cancer, dimana secara umum tingkat keganasan kanker payudara diukur dengan memperhatikan stadium penderita kanker payudara yaitu stadium I, II, III, dan IV. Penelitian ini menganalisis tentang pengelompokan data kanker payudara untuk mengetahui kanker tersebut termasuk kanker jinak atau kanker ganas. Untuk mengklasifikasi tingkat keganasan dapat dilakukan dengan pemanfaatan bioinformatic menggunakan teknik data mining salah satuya dengan algoritma klasifikasi Naive Bayes Classifier (NBC). NBC dapat bekerja lebih efektif jika dikombinasikan dengan beberapa prosedur pemilihan atribut seperti Particle Swarm Optimization (PSO) untuk membobot atribut. Desain penelitian menggunakan model proses CRISP-DM karena penyelesaian masalah dalam penelitian ini mengarah pada masalah strategi bisnis. Penelitian ini menggunakan data set publik Breast Cancer Wisconsin (WBC). Dari hasil pengujian dengan tenfold cross validation dan confusion matrix diketahui bahwa Naive Bayes Classifier (NBC) dalam PSO terbukti memiliki akurasi 96,86%, sedangkan algoritma NBC memiliki akurasi 95,85%. Hasil penelitian ini terbukti bahwa PSO dapat meningkatkan akurasi algoritma NBC.

Actions (login required)