Klasifikasi Penyakit Kanker Serviks Berdasarkan Kebiasaan dan Rekam Medis dengan Metode C4.5
(1) Universitas Trilogi
(2) Universitas Trilogi
(3) Universitas Trilogi
(*) Corresponding Author
Abstrak
Kanker serviks adalah salah satu penyakit yang paling sering ditemui dan dapat menyebabkan kematian pada Wanita di seluruh dunia. Di Indonesia, jumlah kematian akibat kanker serviks terus meningkat setiap tahun, sebgaian besar disebabkan oleh diagnosis dan skrining yang terlambat. berbagai faktor yang disebabkan oleh kanker serviks seperti kebiasaan yang dilakukan ialah, berganti-ganti pasangan seksual, merokok atau pasif merokok, memiliki infeksi kelamin, memiliki riwayat kanker dan sebagainya. untuk mendeteksi adanya kanker serviks atau tidak, dapat dilakukan dengan cara pemeriksaan tes IVA (inspeksi visual asam asetat) atau yang disebut dengan tes schiller. Metode klasifikasi ialah bagian dari Teknik data mining untuk melakukan prediksi, Dalam penelitian ini, ingin meningkatkan akurasi dengan menggunakan metode C4.5 untuk melakukan klasifikasi penyakit kanker serviks berdasarkan kebiasaan pasien. Dua belas atribut dan satu atribut dari hasil pengujian digunakan dalam proses klasifikasi. Dataset tersebut terdiri dari 1080 entri, yang akan dibagi menjadi 864 data dan 216 data pelatihan. Data ini diperoleh dari website UCI Repository. Penelitian ini menghasilkan akurasi sebesar 94.10%, presisi sebesar 95.57%, recall sebesar 96.33% dan AUC (Area Under Curve) sebesar 0.987 yang diukur menggunakan matrix confussion atau matriks kebingungan dengan alat rapidminer.
Kata Kunci
Teks Lengkap:
PDFReferensi
[1] S. S. Arifin, A. M. Siregar, and T. Al Mudzakir, “Klasifikasi Penyakit Kanker Serviks Menggunakan Algoritma Support Vector Machine (SVM),” in Conference on Innovation and Application of Science and Technology (CIASTECH), 2021, pp. 521–528.
[2] H. Akbar and S. Sandfreni, “Klasifikasi Kanker Serviks Menggunakan Model Convolutional Neural Network Alexnet,” JIKO (Jurnal Informatika dan Komputer), vol. 4, no. 1, pp. 44–51, 2021.
[3] E. Rizkyani, I. Ernawati, and N. Chamidah, “Klasifikasi Multi-Label Menggunakan Metode Multi-Label K-Nearest Neighbor (Ml-KNN) Pada Penyakit Kanker Serviks,” JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), vol. 7, no. 4, pp. 1281–1293, 2022.
[4] A. Dharma, P. Manalu, G. S. Sinaga, R. Siringoringo, I. S. Palangai, and K. Setiawan, “Deteksi Pola Pasien Kanker Serviks dengan Algoritma Extra Trees dan K-Nearest Neighbor,” Jurnal Ilmu Komputer dan Sistem Informasi (JIKOMSI), vol. 3, no. 1, pp. 32–36, 2020.
[5] I. M. A. O. Gunawan, I. D. A. I. Saraswati, I. D. G. R. Agung, and I. P. E. Putra, “Klasifikasi Penyakit Jantung Menggunakan Algoritma Decision Tree Series C4. 5 Dengan Rapidminer,” Jurnal Teknologi Dan Sistem Informasi Bisnis, vol. 5, no. 2, pp. 73–83, 2023.
[6] D. Jollyta, W. Ramdhan, and M. Zarlis, Konsep Data Mining Dan Penerapan. Deepublish, 2020.
[7] T. Arifin, “Metode Data Mining Untuk Klasifikasi Data Sel Nukleus Dan Sel Raang Berdasarkan Analisa Tekstur,” Jurnal Informatika, vol. 2, no. 2, 2015.
[8] T. G. Pratama, A. Ridwan, and A. Prihandono, “Penerapan Algoritma C4. 5 untuk Klasifikasi Kanker Serviks Tingkat Awal,” Flurecol Journal. Part E: Engineering, vol. 1, no. 1, pp. 1–6, 2021.
[9] A. Amrin, I. Satriadi, and O. Rosanto, “Algoritma C4. 5 Untuk Diagnosa Penyakit Tuberkulosis,” Jurnal Khatulistiwa Informatika, vol. 7, no. 2, 2019.
[10] C. Paramita, F. A. Rafrastara, and L. I. Kencana, “Pengembangan Sistem Klasifikasi Karakteristik Siswa Berbasis Website dengan menggunakan Algoritma C4. 5,” Jurnal Informatika: Jurnal Pengembangan IT, vol. 8, no. 1, pp. 17–21, 2023.
[11] M. F. Unlersen, K. Sabanci, and M. Özcan, “Determining cervical cancer possibility by using machine learning methods,” Int. J. Latest Res. Eng. Technol, vol. 3, no. 12, pp. 65–71, 2017.
[12] K. Fernandes, J. S. Cardoso, and J. Fernandes, “Transfer learning with partial observability applied to cervical cancer screening,” in Pattern Recognition and Image Analysis: 8th Iberian Conference, IbPRIA 2017, Faro, Portugal, June 20-23, 2017, Proceedings 8, Springer, 2017, pp. 243–250.
[13] A. Sepharni, I. E. Hendrawan, and C. Rozikin, “Klasifikasi Penyakit Jantung dengan Menggunakan Algoritma C4. 5,” STRING (Satuan Tulisan Riset dan Inovasi Teknologi), vol. 7, no. 2, pp. 117–126, 2022.
[14] W. Yunus, “Implementasi Algoritma C. 45 Dalam Prediksi Penyakit Kanker,” Jurnal Indonesia: Manajemen Informatika dan Komunikasi, vol. 4, no. 1, pp. 70–76, 2023.
[15] W. Yusnaeni and W. Widiarina, “Penerapan Algoritma C4. 5 Dalam Prediksi Resiko Diabetes Tahap Awal (Early Stage Diabetes),” Jurnal Khatulistiwa Informatika, vol. 8, no. 1, pp. 56–60, 2022.
[16] M. Yunus, H. Ramadhan, D. R. Aji, and A. Yulianto, “Penerapan Metode Data Mining C4. 5 Untuk Pemilihan Penerima Kartu Indonesia Pintar (KIP),” Paradig.-J. Komput. dan Inform, vol. 23, no. 2, 2021.
[17] F. K. Fikriah, “Instance Selection dengan Naïve Bayes pada Klasifikasi Kanker Serviks,” Jurnal Komtika (Komputasi dan Informatika), vol. 5, no. 2, pp. 83–91, 2021.
[18] M. F. Arifin and D. Fitrianah, “Penerapan Algoritma Klasifikasi C4. 5 Dalam Rekomendasi Penerimaan Mitra Penjualan Studi Kasus: PT Atria Artha Persada,” InComTech: Jurnal Telekomunikasi dan Komputer, vol. 8, no. 2, pp. 87–102, 2018.
[19] K. F. Irnanda, D. Hartama, and A. P. Windarto, “Analisa Klasifikasi C4. 5 Terhadap Faktor Penyebab Menurunnya Prestasi Belajar Mahasiswa Pada Masa Pandemi,” Jurnal Media Informatika Budidarma, vol. 5, no. 1, pp. 327–331, 2021.
Artikel Statistik
PDF telah dilihat : 0 kali
Refbacks
- Saat ini tidak ada refbacks.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
 | Alamat Redaksi : Departemen Sistem Informasi, Fakultas Teknologi Informasi Universitas Andalas Kampus Limau Manis, Padang 25163, Sumatera Barat email: teknosi@fti.unand.ac.id |
Jumlah Pengunjung :
This work by JSI-Unand and licensed under a CC BY-SA 4.0 International License.