Penerapan Algoritma Support Vector Machine (SVM) Dalam Diagnosa Penyakit Kanker Payudara

• Difa Ardiansyah

---

ABSTRAK

Pengklasifikasian penyakit kanker payudara pada seorang pasien adalah hal yang sangat penting dalam dunia medis, mengingat jika sudah dapat meng-klasifikasi secara dini maka akan memudahkan tenaga medis dan dapat hasil yang lebih baik untuk pasien. World Health Organization mencatat pada tahun 2020, terdapat 2,3 juta wanita yang didiagnosis dengan kanker payudara dan 685.000 kematian secara global. Berdasarkan angka kematian yang terbilang sangat tinggi, penulis membuat sebuah system klasifikasi dengan menggunakan metode Support Vector Machine untuk mendeteksi dini diagnosa penyakit kanker payudara kepada pasien. Penulis membuat sebuah system ini berbasis web local / intranet dengan menggunakan Bahasa PHP dan Framework Laravel. Penulis juga menggunakan aplikasi pendukung yaitu Rapid Miner untuk pengujian tingkat akurasi terhadap system yang dibuat. Pengujian metode dilakukan dengan menyiapkan data training sebanyak 649, dan data testing sebanyak 50 data. Data tersebut akan di uji baik menggunakan system berbasis web dan aplikasi pendukung Rapid Miner. Hasil pengujian akurasi diagnose penyakit kanker payudara cukup tinggi yaitu 98,03%. Jadi dapat disimpulkan bahwa aplikasi berbasis web yang telah dibuat dapat mendukung pengambilan keputusan dan diagnose dini dalam penentukan kelas pasien kanker payudara.

KATA KUNCI

Penerapan Algoritma

---

DAFTAR PUSTAKA

1. E. Rianti et al., “F A K T O R - F A K T O R,” vol. 3, no. 1, pp. 10–23, 2012.

 

2. A. M. Zamani and B. Amaliah, “Implementasi Algoritma Genetika pada Struktur Backpropagation Neural Network untuk Klasifikasi Kanker Payudara,” vol. 1, 2012.
3. P. Bidang, K. Sains, Y. Mardi, J. Gajah, M. No, and S. Barat, “Jurnal Edik Informatika Data Mining?: Klasifikasi Menggunakan Algoritma C4 . 5 Data mining merupakan bagian dari tahapan proses Knowledge Discovery in Database ( KDD ) . Jurnal Edik Informatika.”
4. I. Teknologi et al., “ScienceDirect ScienceDirect ScienceDirect Analysis and Prediction of Diabetes Complication Disease using Analysis and Prediction of Diabetes Complication Disease using Data Mining Algorithm Data Mining Algorithm,” Procedia Comput. Sci., vol. 161, pp. 449–457, 2019.
5. L. I. Prahartiwi and W. Dari, “Algoritma Apriori untuk Pencarian Frequent itemset dalam Association Rule Mining,” vol. 7, no. September, pp. 143–152, 2019.
6. L. I. Prahartiwi, “Pencarian Frequent Itemset pada Analisis Keranjang Belanja Menggunakan Algoritma FP-Growth,” vol. 2, no. 1, pp. 1–10, 2017.
7. Z. Arifin, “Kriteria Instrumen dalam suatu Penelitian,” vol. 2, no. 1, 2017.

 

8. P. Studi, T. Informatika, F. Teknik, and C. Matrix, “PENERAPAN ALGORITMA SUPPORT VECTOR MACHINE ( SVM ) DALAM PEMILIHAN BEASISWA?: STUDI KASUS SMK YAPIMDA,” vol. 9, no. 1, pp. 49–57, 2016.
9. E. Indrayuni, “Analisa Sentimen Review Hotel Menggunakan Algoritma Support Vector Machine Berbasis Particle Swarm Optimization,” vol. 4, 2016.

 

10. A. S. Ritonga and E. S. Purwaningsih, “PENERAPAN METODE SUPPORT VECTOR MACHINE ( SVM ) DALAM KLASIFIKASI KUALITAS PENGELASAN SMAW ( SHIELD METAL ARC WELDING ),” vol. 5, no. 1, pp. 17–25, 2018.

Z. Arifin, “Kriteria Instrumen dalam suatu Penelitian,” vol. 2, no. 1, 2017.