PENERAPAN SELEKSI FITUR RELIEFF PADA SUPPORT VECTOR MACHINE UNTUK DIAGNOSA KANKER SERVIKS

Azizah Erma Saraswati, 201469040008 (2018) PENERAPAN SELEKSI FITUR RELIEFF PADA SUPPORT VECTOR MACHINE UNTUK DIAGNOSA KANKER SERVIKS. Sarjana thesis, Universitas Yudharta.

[img] Text (BAB I.pdf)
BAB I.pdf

Download (136kB)
[img] Text (BAB II.pdf)
BAB II.pdf
Restricted to Registered users only

Download (517kB) | Request a copy
[img] Text (BAB III.pdf)
BAB III.pdf
Restricted to Registered users only

Download (579kB) | Request a copy
[img] Text (BAB IV.pdf)
BAB IV.pdf
Restricted to Registered users only

Download (761kB) | Request a copy
[img] Text (BAB V.pdf)
BAB V.pdf
Restricted to Registered users only

Download (173kB) | Request a copy
[img] Text (COVER.pdf)
COVER.pdf

Download (292kB)
[img] Text (DAFTAR PUSTAKA.pdf)
DAFTAR PUSTAKA.pdf

Download (252kB)

Abstract

Kanker serviks adalah suatu kondisi medis yang ditandai dengan kanker pada sel-sel melapisi serviks dan paling umum menyerang reproduksi wanita. Pada dunia medis teknik data mining diperkenalkan untuk dapat meningkatkan kemampuan pendeteksian penyakit secara otomatis dan dapat mempermudah para medis untuk mendeteksi lebih cepat dan efektif. Dengan menggunakan Algoritma Support Vector Machine dan seleksi fitur ReliefF untuk mereduksi dimensi data kanker serviks. Pada penelitian ini akan mendiagnosa kangker serviks berdasarkan 4 hasil tes medis Hinselmann, Schiller, Cytology, dan Biopsy. Metode Support Vektor Machine menghasilkan akurasi sebesar 68.7646% pada class Hinselmann, 69.1244% pada Schiller, 79.0210% pada Cytology, dan 64.1026% pada Biopsy. Teknik seleksi fitur ReliefF mampu mereduksi jumlah atribut yang awalnya berjumlah 30 buah menjadi 20 atribut pada class Hinselmann, Schiller, dan Cytology, dan 25 atribut pada class Biopsy. Support Vector Machine setelah menggunakan teknik seleksi fitur ReliefF menghasilkan akurasi sebesar 69.1142% pada class Hinselmann, 71.4452% pada Schiller, 79.6037% pada Cytology, dan 64.8019% pada Biopsy. Teknik seleksi fitur ReliefF dan algoritma Support Vektor Machine terbukti mampu meningkatkan diagnosa kanker serviks pada penelitian ini.

Item Type: Thesis (Sarjana)
Identification Number: 005.12 SAR P
Contributors:
ContributionContributorsEmail
Thesis advisorCahya Bagus Sanjaya, M.Kom, ã…¤UNSPECIFIED
Subjects: Karya Umum > Ilmu Umum dan Komputer
Divisions: Fakultas Teknik > Teknik Informatika
Date Deposited: 02 Dec 2018 12:23
Last Modified: 02 Mar 2022 06:27
URI: https://repository.yudharta.ac.id/id/eprint/362

Actions (login required)

View Item View Item