Penerapan Algoritma Decision Tree Untuk Memprediksi Kanker Payudara menggunakan Data Mining dan Machine Learning
Keywords:
Akurasi, CART, C4.5, Kanker Payudara, ID3Abstract
Kanker payudara menjadi pembunuh nomor 1 dunia bahkan di Indonesia. Penangan penyakit ini umumnya dilakukan setelah penderita memasuki tahap kanker yang sudah lama bersemayam dalam tubuh. Penelitian ini mencoba untuk membuat model prediksi kanker payudara yang akurasinya diatas 99%. Harapannya adalah dengan model tersebut pendeteksian dini kanker payudara dapat dilakukan dengan diagosa yang sangat akurat. Sehingga membantu dokter atau fasilitas Kesehatan memberikan penangan sedini mungkian agar kanker payudara tidak berkembang. Model yang dikomparasikan adalah algoritma decision tree yaitu ID3, CART dan C4.5. Pengunaan pruning dan pre-pruning dilakukan untuk melihat akurasi model yang dibangun, hasilnya 98,25% didapat pada algoritma ID3 dan CART baik menggunakan atau tidak menggunakan pruning dan pre-pruning. Masih belum tercapai nilai akurasi 99%, kendala ini mungkin karena beberapa parameter yang belum ditemukan nilai yang pas.
Downloads
Published
Issue
Section
License
Authors who publish with this journal agree to the following terms:
Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution-ShareAlike 4.0 International License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
