Azizah Erma Saraswati, 201469040008 (2018) PENERAPAN SELEKSI FITUR RELIEFF PADA SUPPORT VECTOR MACHINE UNTUK DIAGNOSA KANKER SERVIKS. Sarjana thesis, Universitas Yudharta.
Text (BAB I.pdf)
BAB I.pdf Download (136kB) |
|
Text (BAB II.pdf)
BAB II.pdf Restricted to Registered users only Download (517kB) | Request a copy |
|
Text (BAB III.pdf)
BAB III.pdf Restricted to Registered users only Download (579kB) | Request a copy |
|
Text (BAB IV.pdf)
BAB IV.pdf Restricted to Registered users only Download (761kB) | Request a copy |
|
Text (BAB V.pdf)
BAB V.pdf Restricted to Registered users only Download (173kB) | Request a copy |
|
Text (COVER.pdf)
COVER.pdf Download (292kB) |
|
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: |
|
||||||
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 |