Evaluasi Tiga Jenis Algoritme Berbasis Pembelajaran Mesin untuk Klasifikasi Jenis Tumor Payudara

Handayani, Annisa; Jamal, Ade; Septiandri, Ali Akbar

doi:10.22146/jnteti.v6i4.350

Cited by 15 publications

(16 citation statements)

References 10 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Adapula penelitian yang membandingkan tiga jenis algoritma untuk mendeteksi tumor payudara. Penelitian ini membandingkan teknik klasifikasi Support Vector Machine, Extreme Gradient Boosting dan Multilayer Perceptron [17]. Algoritma MLP menghasilkan akurasi terbaik namun memiliki kompleksitas yang tinggi.…”

Section: Penelitian Terkaitunclassified

Deteksi Hoaks Pada Berita Berbahasa Indonesia Seputar COVID-19

Panjaitan¹,

Santoso²

2021

FORMAT

View full text Add to dashboard Cite

Perkembangan teknologi yang semakin maju tentu mendatangkan banyak kemudahan bagi para penggunanya namun di lain sisi juga mempercepat penyebaran berita bohong pada internet. Berita bohong atau dikenal dengan hoaks adalah informasi sesat dan berbahaya karena menyesatkan persepsi manusia dengan menyampaikan informasi palsu sebagai kebenaran. Hoaks sendiri dapat bertujuan untuk mempengaruhi pembaca dengan informasi palsu sehingga pembaca mengambil tindakan sesuai dengan isi hoaks. Oleh karena itu, diperlukan sistem cerdas yang mampu mengklasifikasi sebuah berita dengan cepat yang menyebar melalui internet agar tidak menyesatkan para pembacanya. Penelitian ini dimulai dengan melakukan scraping berita yang sudah diberi kategori hoaks atau valid. Dataset tersebut dibagi dua menjadi data latih dan data uji. Dilakukan pre-processing mulai dari case folding, tokenizing, filtering dan stemming. Pada penelitian ini dilakukan perbandingan terhadap pengaruh penerapan feature engineering. Dari hasil akurasi, dapat dilihat bahwa dengan diterapkannya feature engineering mampu meningkatkan akurasi kelima metode klasifikasi. Metode random forest dengan penerapan feature engineering menghasilkan tingkat akurasi sebesar 96,05%.

show abstract

Section: Penelitian Terkaitunclassified

Deteksi Hoaks Pada Berita Berbahasa Indonesia Seputar COVID-19

Panjaitan¹,

Santoso²

2021

FORMAT

View full text Add to dashboard Cite

show abstract

“…Hal tersebut didukung data statistik American Cancer Society yang menunjukan bahwa kanker payudara menempati urutan pertama dengan jumlah kasus terbanyak dari seluruh jenis kasus tumor ganas (kanker) di seluruh dunia. American Cancer Society dalam (Handayani, Jamal, & Septiandri, 2018). Frekuensi kasus penyakit ini relatif tinggi di negara maju dan merupakan jenis kanker yang banyak diderita dari jenis kanker lainnya.…”

Section: Pendahuluanunclassified

Analisis Algoritma Klasifikasi Neural Network Untuk Diagnosis Penyakit Kanker Payudara

Nugraha¹,

Shidiq²,

Rahayu³

2019

pilar

View full text Add to dashboard Cite

One of the main causes of death is cancer. The most common cancer in women is breast cancer. This disease if it be known early could be overcome and even prevented. Data classification techniques could be used to predict which patients had breast cancer and not with some parameters. Using the Neural Network method and Rapid Miner 9.0 tools aims to predict breast cancer diagnosis and then produced an accuracy value of 71,83%, precision 81,08% and recall of 69,17% with AUC of 0,806 which means that the classification was good so that patients with parameters there could be predicted which ones were breast cancer patients and which were not, so this pattern could be used as a benchmark for diagnosis so that it could be detected earlier and was expected to reduce the number of deaths from breast cancer.

show abstract

“…Another study [6] evaluate the value of Area Under Curve (AUC) and scores cost of three different algorithms, namely Extreme Gradient Boosting, Support Vector Machine Kernel RBF and Multi-Layer Perceptron. A hyper-parameter tuning was performed to find the best parameters for each algorithm using detection cost false positive and cost false negative.…”

Section: Introductionmentioning

confidence: 99%

Dimensionality Reduction using PCA and K-Means Clustering for Breast Cancer Prediction

Jamal

Handayani²,

Septiandri³

et al. 2018

LKJITI

Self Cite

View full text Add to dashboard Cite

Breast cancer is the most important cause of death among women. A prediction of breast cancer in early stage provides a greater possibility of its cure. It needs a breast cancer prediction tool that can classify a breast tumor whether it was a harmful malignant tumor or un-harmful benign tumor. In this paper, two algorithms of machine learning, namely Support Vector Machine and Extreme Gradient Boosting technique will be compared for classification purpose. Prior to the classification, the number of data attribute will be reduced from the raw data by extracting features using Principal Component Analysis. A clustering method, namely K-Means is also used for dimensionality reduction besides the Principal Component Analysis. This paper will present a comparison among four models based on two dimensionality reduction methods combined with two classifiers which applied on Wisconsin Breast Cancer Dataset. The comparison will be measured by using accuracy, sensitivity and specificity metrics evaluated from the confusion matrices. The experimental results have indicated that the K-Means method, which is not usually used for dimensionality reduction can perform well compared to the popular Principal Component Analysis.

show abstract

Evaluasi Tiga Jenis Algoritme Berbasis Pembelajaran Mesin untuk Klasifikasi Jenis Tumor Payudara

Cited by 15 publications

References 10 publications

Deteksi Hoaks Pada Berita Berbahasa Indonesia Seputar COVID-19

Deteksi Hoaks Pada Berita Berbahasa Indonesia Seputar COVID-19

Analisis Algoritma Klasifikasi Neural Network Untuk Diagnosis Penyakit Kanker Payudara

Dimensionality Reduction using PCA and K-Means Clustering for Breast Cancer Prediction

Contact Info

Product

Resources

About