Klasifikasi Kanker Payudara Menggunakan Algoritma K-Nearest Neighbor dan Metode Naive Bayes

Penulis

  • Tresi Aprilia Universitas Selamat Sri

DOI:

https://doi.org/10.54259/satesi.v4i2.3167

Kata Kunci:

Data Mining, Classification, Naïve Bayes, K-NN

Abstrak

Penyakit kanker payudara yang menyebabkan kematian menjadi penyebab utama yang menakutkan di seluruh
dunia. Penyakit ini adalah kategori penyakit kanker kedua yang berbahaya dan banyak terajdi kasus di dunia.
Kanker payudara merupakan penyebab kelima kematian kanker di seluruh dunia, dan menyumbang 16,6% dari
total kematian akibat kanker yang ada di dunia. Data sampel darah pasien kanker payudara dilakuksan proses
klasifikasi dalam penelitian ini. Beberapa teknik dan metode yang dgunakan dalam penetilian ini meliputi KNN
dan NB. Penelitian ini menguji akurasi dengan Cross Validation dan Confusion Matrix untuk evaluasi data uji.
Hasil penelitian terdiri dari 70% data latih sejumlah 398 data dan 30% data uji sejumlah 171 data dari total data
keseluruahn 569 data. Hasil dari penelitian ini didapatkan nilai akurasi 96%, presisi 94% dan recall 91% dengan
pendekatan metode Naïve Bayes. Hasil yang didapatkan dengan menggunakan metode KNearest Neighbor
meliputi nilai akurasi 73%, presisi 74% dan recall 66% dengan nilai K=7.


Kata Kunci: Data Mining, Klasifikasi, Naïve Bayes, K-NN

Unduhan

Data unduhan belum tersedia.

Referensi

N. R. Muntiari and K. H. Hanif, “Klasifikasi Penyakit Kanker Payudara Menggunakan Perbandingan Algoritma Machine Learning,” J. Ilmu Komput. dan Teknol., vol. 3, no. 1, pp. 1–6, 2022, doi: 10.35960/ikomti.v3i1.766.

J. T. Wijaya, H. Oktavianto, H. Azizah, and A. Faruq, “Perbandingan Algoritma K-Nearest Neighbor (Knn) Dan Gaussian Naive Bayes (Gnb) Dalam Klasifikasi Breast Cancer Coimbra Comparison Between K-Nearest Neighbor (Knn) And Gaussian Naive Bayes (Gnb) Algorithm In The Coimbra Breast Cancer Classification,” J. Smart Teknol., vol. 3, no. 3, pp. 2774–1702, 2022, [Online]. Available: http://jurnal.unmuhjember.ac.id/index.php/JST

H. Harafani and H. A. Al-Kautsar, “Meningkatkan Kinerja K-Nn Untuk Klasifikasi Kanker Payudara Dengan Forward Selection,” J. Pendidik. Teknol. dan Kejuru., vol. 18, no. 1, p. 99, 2021, doi: 10.23887/jptk-undiksha.v18i1.29905.

L. W. Astuti, I. Saluza, F. Faradilla, and M. F. Alie, “Optimalisasi Klasifikasi Kanker Payudara Menggunakan Forward Selection pada Naive Bayes,” J. Ilm. Inform. Glob., vol. 11, no. 2, 2021, doi: 10.36982/jiig.v11i2.1235.

I. N. Atthalla, A. Jovandy, and H. Habibie, “Klasifikasi Penyakit Kanker Payudara Menggunakan Metode K Nearest Neighbor,” Pros. Annu. Res. Semin., vol. 4, no. 1, pp. 148–151, 2018.

R. Hidayat, D. Kartini, M. I. Mazdadi, I. Budiman, and R. Ramadhani, “Implementasi Seleksi Fitur Binary Particle Swarm Optimization pada Algoritma K-NN untuk Klasifikasi Kanker Payudara,” J. Sist. dan Teknol. Inf., vol. 11, no. 1, p. 135, 2023, doi: 10.26418/justin.v11i1.53608.

H. Oktavianto and R. P. Handri, “Analisis Klasifikasi Kanker Payudara Menggunakan Algoritma Naive Bayes,” INFORMAL Informatics J., vol. 4, no. 3, p. 117, 2020, doi: 10.19184/isj.v4i3.14170.

B. Aisyah and Y. Sulistyo, “Klasifikasi Kanker Payudara Menggunakan Algoritma Gain Ratio,” J. Tek. Elektro, vol. 8, no. 2, pp. 43–46, 2016.

Fahrurrozi and Wasilah, “Deteksi Dini Kanker Payudara Menggunakan Algoritma K-Nearest Neighbor (KNN) Dan Decision Tree C-45,” Teknika, vol. 17, no. 2, pp. 427–434, 2023, [Online]. Available: https://jurnal.polsri.ac.id/index.php/teknika/article/view/7565

J. KUSUMA, B. H. HAYADI, W. WANAYUMINI, and R. ROSNELLY, “Komparasi Metode Multi Layer Perceptron (MLP) dan Support Vector Machine (SVM) untuk Klasifikasi Kanker Payudara,” MIND J., vol. 7, no. 1, pp. 51–60, 2022, doi: 10.26760/mindjournal.v7i1.51-60.

F. S. Nugraha, M. J. Shidiq, and S. Rahayu, “Analisis Algoritma Klasifikasi Neural Network Untuk Diagnosis Penyakit Kanker Payudara,” J. Pilar Nusa Mandiri, vol. 15, no. 2, pp. 149–156, 2019, doi: 10.33480/pilar.v15i2.601.

A. Nugraheni, R. D. Ramadhani, A. B. Arifa, and A. Prasetiadi, “Perbandingan Performa Antara Algoritma Naive Bayes Dan K-Nearest Neighbour Pada Klasifikasi Kanker Payudara,” J. Dinda Data Sci. Inf. Technol. Data Anal., vol. 2, no. 1, pp. 11–20, 2022, doi: 10.20895/dinda.v2i1.391.

M. Abdul Jabbar, E. Hasmin, C. Susanto, W. Musu, and I. Artikel, “Komparasi Algoritma Decision Tree, Naive Bayes, dan K-Nearest Neighbors dalam Klasifikasi Kanker Payudara Comparison of Decision Tree Algorithms, Naive Bayes, and K-Nearest Neighbors in Breast Cancer Classification,” Oktober, vol. 14, no. 3, pp. 258–270, 2022, [Online]. Available: https://www.doi.org/10.22303/csrid.14.3.2022.258-270

T. A. Yoga and Prihandoko, “Penerapan Optimasi Berbasis Particle Swarm Optimization (Pso) Algoritma Naïve Bayes Dan K-Nearest Neighbor Sebagai Perbandingan Untuk Mencari Kinerja Terbaik Dalam Mendeteksi Kanker Payudara,” J. Bangkit Indones., vol. 7, no. 2, p. 1, 2018, [Online]. Available: http://journal.universitasmulia.ac.id/index.php/metik/article/view/62

M. Alwohaibi, M. Alzaqebah, N. M. Alotaibi, A. M. Alzahrani, and M. Zouch, “A hybrid multi-stage learning technique based on brain storming optimization algorithm for breast cancer recurrence prediction,” J. King Saud Univ. - Comput. Inf. Sci., vol. 34, no. 8, pp. 5192–5203, 2022, doi: 10.1016/j.jksuci.2021.05.004.

Y. Feng et al., “Predicting breast cancer-specific survival in metaplastic breast cancer patients using machine learning algorithms,” J. Pathol. Inform., vol. 14, no. August, p. 100329, 2023, doi: 10.1016/j.jpi.2023.100329.

S. Kumari, D. Kumar, and M. Mittal, “An ensemble approach for classification and prediction of diabetes mellitus using soft voting classifier,” Int. J. Cogn. Comput. Eng., vol. 2, no. November 2020, pp. 40–46, 2021, doi: 10.1016/j.ijcce.2021.01.001.

M. Bansal, A. Goyal, and A. Choudhary, “A comparative analysis of K-Nearest Neighbor, Genetic, Support Vector Machine, Decision Tree, and Long Short Term Memory algorithms in machine learning,” Decis. Anal. J., vol. 3, no. May, p. 100071, 2022, doi: 10.1016/j.dajour.2022.100071.

V. Jaiswal, P. Saurabh, U. K. Lilhore, M. Pathak, S. Simaiya, and S. Dalal, “A breast cancer risk predication and classification model with ensemble learning and big data fusion,” Decis. Anal. J., vol. 8, no. April, p. 100298, 2023, doi: 10.1016/j.dajour.2023.100298.

Unduhan

Diterbitkan

2024-10-20

Cara Mengutip

Tresi Aprilia. (2024). Klasifikasi Kanker Payudara Menggunakan Algoritma K-Nearest Neighbor dan Metode Naive Bayes. SATESI: Jurnal Sains Teknologi Dan Sistem Informasi, 4(2), 156–163. https://doi.org/10.54259/satesi.v4i2.3167

Terbitan

Vol 4 No 2 (2024): Oktober 2024

Bagian

Articles

Lisensi

Hak Cipta (c) 2024 Tresi Aprilia

Creative Commons License

Artikel ini berlisensi Creative Commons Attribution 4.0 International License.

Authors who publish with this journal agree to the following terms:

  1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under Creative Commons Attribution 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.
  2. 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.
  3. 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 (Refer to The Effect of Open Access).