ANALISA PREDIKSI KEKAMBUHAN KANKER PAYUDARA DENGAN MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR

  • Noki Ardian Madyaningrum
  • Sulastri .

Abstract

Kanker payudara merupakan kanker yang menempati urutan kedua dan paling umum ditemui setelah kanker rahim. Kanker payudara dapat disembuhkan dengan berbagai pengobatan untuk menghambat pertumbuhan sel kanker yaitu dengan operasi, kemoterapi, radioterapi, dan terapi hormonal. Kekambuhan pada kanker payudara adalah penyebab utama kematian pada kanker payudara. Sampai saat ini belum diketahui hal-hal apa saja yang menyebabkan kekambuhan pada kanker payudara. Oleh sebab itu diperlukan prediksi yang tepat dengan menggunakan data mining. Klasifikasi merupakan salah satu teknik di dalam data mining. Dalam penelitian ini akan dilakukan bagaimana menerapkan algoritma K-Nearest Neighbor. Algoritma ini melakukan klasifikasi berdasarkan kedekatan lokasi (jarak) antara data testing dengan data training. Tujuan dari penelitian ini yaitu untuk menganalisa kekambuhan pada data kanker payudara dan mengetahui tingkat akurasi data dengan menggunakan tools RStudio. Berdasarkan hasil percobaan sebanyak 3 kali dengan komposisi data training dan data testing yang berbeda, didapatkan hasil terbaik pada komposisi 70% data training dan 30% data testing menghasilkan nilai k terbaik pada k=5 dengan nilai akurasi 80%. Pada penitian berikutnya dapat menggunakan algoritma yang lain agar dapat diperoleh hasil yang lebih akurat.

References

[1] Komite Penanggulangan Kanker Nasional Kemenkes RI.,2015, Panduan Penatalaksanaan Kanker Payudara. Kementerian Kesehatan Republik Indonesia. Komite Penanggulangan Kanker Nasional., 1–56.
[2] Larose, 2005, Algoritma Data Mining, edisi 1, Andi Ofset, Yogyakarta.
[3] Kusrini, 2009, Algoritma Data Mining, edisi 1, Andi Ofset, Yogyakarta.
[4] Badu, Z. S. (2016). Penerapan Algoritma K-Nearest Neighbor. Informatika, (November).
[5] Kasus, S., Kesehatan, D., Malang, K., Annisa, D. I., Ariyanto, R., Tri, A., & Hayati, R,. 2016, Klasifikasi Kehamilan Beresiko Dengan Menggunakan Metode K-Nearest Neighbor. Jurnal Informatika Polinema, v 3(November), 34–39.
[6] Indrayanti, Sugianti, D., & Al Karomi, M. A., 2017, Optimasi Parameter K Pada Algoritma K-Nearest Neighbour Untuk Klasifikasi Penyakit Diabetes Mellitus. Prosiding SNATIF Ke-4 2017, 823–829. https://doi.org/10.1007/s10115-007-0114-2
[7] Prasetyo, Eko., 2012, Data Mining – Konsep dan Aplikasi Menggunakan MATLAB.
Published
2019-12-04
How to Cite
Madyaningrum, N., & ., S. (2019). ANALISA PREDIKSI KEKAMBUHAN KANKER PAYUDARA DENGAN MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR. SINTAK, 3. Retrieved from https://unisbank.ac.id/ojs/index.php/sintak/article/view/7583
Section
Vol 3 (2019)