Klasifikasi Kanker Serviks Menggunakan Metode Extreme Learning Machine (Elm)

Aisah, Siti Nur

doi:10.24269/jkt.v6i2.1265

Cited by 3 publications

(3 citation statements)

References 11 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…Confusion Matrix adalah statistik yang digunakan untuk menilai efektivitas dan kualitas model yang dibangun [12]. Terutama diterapkan dalam domain penambangan data, ini menilai akurasi dengan menyediakan tabel yang mengilustrasikan data pengujian yang benar dan salah diklasifikasikan.…”

Section: Confussion Matrixunclassified

Klasifikasi Penerimaan Tenaga Kerja Tertutup Menggunakan Algoritma K-Nearest Neighbor (Knn)

Pratama,

Mandita

2024

INDEXIA

View full text Add to dashboard Cite

Perusahaan yang telah menerapkan pemanfaatan teknologi tidak akan lepas dari pengolahan data atau informasi, akan tetapi tidak semua perusahaan dapat memaksimalkan pengolahan data yang mereka miliki, salah satunya di CV. Arfa Nusantara Teknologi, data calon karyawan yang masuk ke dalam sebuah perusahaan tidak dilakukan pengolahan lebih lanjut. Penelitian ini mencoba untuk melakukan pengolahan terhadap data calon karyawan yang masuk ke sebuah perusahaan dengan tujuan untuk mengklasifikasikan data calon tenaga kerja berdasarkan variabel hasil skor tes teknis dari tim penilai, total nilai bobot keahlian, minimum gaji yang diminta dan jumlah tahun pengalaman bekerja dengan mengimplementasikan algoritma K-Nearest Neighbor (KNN), dengan implementasi algoritma ini nantinya akan dihasilkan beberapa klasifikasi data calon tenaga kerja yaitu paling baik, cukup baik dan kurang baik yang dimana dapat membantu tim penilai dalam perusahaan tersebut untuk membuat keputusan dalam menerima calon tenaga kerja yang terbaik bagi perusahaan dan mengetahui tingkat akurasi dari algoritma tersebut. Selain itu penelitian ini mencoba beberapa jumlah pengambilan ketetanggaan KNN dan menerapkan K-Fold Cross Validation dalam menentukan model optimal klasifikasi. Pada model optimal yang berhasil didapatkan berada di rata-rata nilai akurasi, presisi dan recall adalah 100% pada pembagian k = 4 dan k = 5 di uji coba pengambilan 10 K-Fold Cross Validation. Sedangkan nilai ketetanggan algoritma KNN paling baik adalah k = 7. Pada pengujian System Usability Scale didapatkan skor sebesar 80,21 dan masuk kedalam kategori nilai B.

show abstract

Section: Confussion Matrixunclassified

Klasifikasi Penerimaan Tenaga Kerja Tertutup Menggunakan Algoritma K-Nearest Neighbor (Knn)

Pratama,

Mandita

2024

INDEXIA

View full text Add to dashboard Cite

show abstract

“…lebih dari 7.000 individu meninggal karena penyakit ini. Maksudnya, seseorang muncul setiap jam wanita yang terkena kanker, kanker serviks atau rahim, yang umumnya dalam lima tahun sekitar 64,9% (Aisah, 2022).…”

Section: Pendahuluanunclassified

KIE dengan Media Audiovisual terhadap Peningkatan Pengetahuan dan Sikap Remaja Putri tentang Kespro sebagai Upaya Preventif Kanker Serviks

Fajrin,

Suparmi,

Kurniawati

2024

JUKE

View full text Add to dashboard Cite

Latar Belakang: . Peranan remaja ke depan tentu begitu besar, persiapan sebagai calon ibu atau istri, menjadi ibu bagi anak-anaknya dan menjadi ibu yang akan merawat serta mendidik generasi penerus, yang berkontribusi dalam kemajuan dan kebangkitan masyarakat. Setiap tahun dijumpai hampir 6 juta penderita baru yang diketahui mengidap kanker, dan lebih dari 4 juta diantaranya meninggal. Tujuan: Untuk mengetahui pengaruh KIE dengan media audiovisual terhadap peningkatan pengetahuan dan sikap remaja putri tentang kesehatan reproduksi sebagai upaya preventif kanker serviks. Metode: Penelitian ini menggunakan One Group Pretest-Posttest Design Hasil: Terdapat remaja putri SMA N 4 Semarang sebelum dan sesudah diberikan KIE dengan media audiovisual tentang kesehatan reproduksi dan kanker serviks sebesar 89,33 dan 95,33 yang termasuk dalam kategori baik. Rata-rata sikap remaja putri SMA N 4 Semarang sebelum diberikan KIE dengan media audiovisual tentang kesehatan reproduksi dan kanker serviks sebesar 88,85 yang termasuk dalam kategori mendukung sebanyak 50,0% dan tidak mendukung sebanyak 50,0%. Kesimpulan: KIE dengan media audiovisual terdapat peningkatan pengetahuan dan sikap remaja putri tengtang Kesehatan reproduksi sebagai Upaya preventif kanker serviks.

show abstract

“…About 50,000 women have diagnosed with cervical cancer annually (Sobar, Machmud, & Wijaya, 2016) (Setyani, 2018). The high number of cervical cancer patients is influenced by the lack of knowledge among the public, especially women, to carry out early detection before cancer spreads (Aisah, Hafiyusholeh, & Ulinnuha, 2022;Winarni & Suratih, 2020). This data shows that cervical cancer is one of the most common cases of cancer in Indonesia, so it needs to be detected early (Arifin, Siregar, Ratna, & Mudzakir, 2021;Hidayah, Cholissodin, & Adikara, 2019).…”

Section: Introductionmentioning

confidence: 99%

Implementation of Machine Learning Algorithms for Early Detection of Cervical Cancer Based on Behavioral Determinants

Buani

Suryani

2022

J. Ris. Inform.

View full text Add to dashboard Cite

Cervical cancer is a disease that affects women and has the highest mortality rate after breast cancer. Early detection of cervical cancer is critical at this time, so cervical cancer patients are decreasing. Many women, especially in Indonesia, are less concerned about the dangers of cervical cancer, even though if detected earlier, this disease will be easier to treat. One alternative for early detection can use machine learning algorithms. The machine learning algorithms used in this study are Naïve Bayes (NB), Logistic Regression (LR), Decision Tree (DT), SVM, and Random Forest. In this study, a random under-sampling method was employed, which had no uses in any prior research. This technique makes the accuracy of the five algorithms even better. The research results show that NB has an accuracy rate of 91.67%, LR has an accuracy rate of 87.5%, DT has an accuracy rate of 81.81%, SVM has an accuracy rate of 75%, and RF has the highest accuracy rate of 94.45%. This research shows that the best model is RF or Random Forest

show abstract

Klasifikasi Kanker Serviks Menggunakan Metode Extreme Learning Machine (Elm)

Cited by 3 publications

References 11 publications

Klasifikasi Penerimaan Tenaga Kerja Tertutup Menggunakan Algoritma K-Nearest Neighbor (Knn)

Klasifikasi Penerimaan Tenaga Kerja Tertutup Menggunakan Algoritma K-Nearest Neighbor (Knn)

KIE dengan Media Audiovisual terhadap Peningkatan Pengetahuan dan Sikap Remaja Putri tentang Kespro sebagai Upaya Preventif Kanker Serviks

Implementation of Machine Learning Algorithms for Early Detection of Cervical Cancer Based on Behavioral Determinants

Contact Info

Product

Resources

About