Diagnosa Penderita Penyakit Kanker Payudara Menggunakan Metode Naïve Bayes
Abstract
Abstrak: Perkembangan teknologi informasi yang begitu cepat mempengaruhi lini kehidupan manusia. Hal ini dibuktikan dengan diciptakannya sistem berbasis komputer yang dapat mengatasi persoalan disegala lini kehidupan. Salah satu bidang yang saat ini dipengaruhi oleh teknologi informasi adalah bidang kesehatan dan kedokteran. Penyakit kanker semakin hari semakin banyak diderita oleh sebagian besar orang bahkan tanpa mereka sadari. Hal ini diakibatkan karena pola hidup yang kurang sehat dan ada sebagian orang yang sudah tidak terlalu peduli akan kesehatannya padahal kesehatan merupakan hal yang amat sangat penting bagi kehidupan manusia. Salah satu Kanker yang paling banyak diderita olah masyarakat khususnya kaum perempuan dan sangat mematikan adalah Kanker Payudara. Maka perlunya deteksi dini kanker sangatlah penting demi keselamatan penderita. Metode yang digunakan dalam penelitian ini adalah metode Naïve Bayes karena metode ini sangat sederhana tetapi memiliki tingkat akurasi yang baik. Hasil perhitungan yang dilakukan baik secara manual dan menggunakan Rapidminer diketahui akurasi untuk data training sebesar 81.00% dan AUC sebesar 0,922 dengan kategori Excellent Classification dan hasil akurasi data testing sebesar 62.50% dan AUC sebesar 0,719 dengan kategori Fair Classification.Kata kunci: Diagnosa, Kanker, Payudara, Naïve Bayes
Abstract: The development of information technology is so fast influencing the lines of human life. This is evidenced by the creation of computer-based systems that can overcome problems in all lines of life. One of the fields currently affected by information technology is health and medicine. Cancer is increasingly suffering by most people even without them knowing it. This is caused by unhealthy lifestyles and there are some people who are not too concerned about their health even though health is very very important for human life. One of the most common cancers suffered by the community, especially women and is very deadly is Breast Cancer. So the need for early detection of cancer is very important for patient safety. The method used by the authors in this study is the Naïve Bayes method because this method is very simple but has a good level of accuracy. The results of calculations that the authors do both manually and using Rapidminer known accuracy for training data of 81.00% and AUC of 0.922 with the category of Excellent Classification and the results of data testing accuracy of 62.50% and AUC of 0.719 with the Fair Classification category.
Keywords: Breast, Cancer, Diagnosis, Naïve Bayes
References
Farahdiba BA, Nugroho YS. 2016. Klasifikasi Kanker Payudara Menggunakan Algoritma Gain Ratio. Jurnal Teknik Elektro. 8(2): 43–46.
Ma’arif F, Arifin T. 2017. Optimasi Fitur Menggunakan Backward Elimination Dan Algoritma SVM Untuk Klasifikasi Kanker Payudara. Jurnal Informatika (JI) UBSI. 4(1): 46–53. https://doi.org/10.31311/JI.V4I1.1548.
Moriesta E, Selviani, Ibrahim A. 2017. Analisis Penyaringan Email Spam Menggunakan Metode Naive Bayes. Prosiding Annual Research Seminar 2017. 3(1): 45–48.
Praningki T, Budi I .2018. Sistem Prediksi Penyakit Kanker Serviks Menggunakan Cart, Naive Bayes, dan k-NN. Creative Information Technology Journal. 4(2): 83–93. https://doi.org/10.24076/citec.2017v4i2.100.
Rifai MH, Wijayanti A. 2017. Pemanfaatan Media Pembelajaran Geografi SMA Di Kabupaten Karanganyar. Jurnal Edudikara. 2(3): 210–216.
Septiani WD. 2017. Komparasi Metode Klasifikasi Data Mining Algoritma C4.5 Dan Naive Bayes Untuk Prediksi Penyakit Hepatitis. Jurnal Pilar Nusa Mandiri. 13(1): 76–84.
Via YV, Nugroho B, Syafrizal A. 2015. Sistem Pendukung Keputusan Klasifikasi Tingkat Keganasan Kanker Payudara Dengan Metode Naive Bayes Classifier. SCAN-Jurnal Teknologi Informasi Dan Komunikasi. 10(2): 63–68.
Zulfikar WB, Lukman N. 2017. Perbandingan Naive Bayes Classifier Dengan Nearest Neighbor Untuk Identifikasi Penyakit Mata.
Ma’arif F, Arifin T. 2017. Optimasi Fitur Menggunakan Backward Elimination Dan Algoritma SVM Untuk Klasifikasi Kanker Payudara. Jurnal Informatika (JI) UBSI. 4(1): 46–53. https://doi.org/10.31311/JI.V4I1.1548.
Moriesta E, Selviani, Ibrahim A. 2017. Analisis Penyaringan Email Spam Menggunakan Metode Naive Bayes. Prosiding Annual Research Seminar 2017. 3(1): 45–48.
Praningki T, Budi I .2018. Sistem Prediksi Penyakit Kanker Serviks Menggunakan Cart, Naive Bayes, dan k-NN. Creative Information Technology Journal. 4(2): 83–93. https://doi.org/10.24076/citec.2017v4i2.100.
Rifai MH, Wijayanti A. 2017. Pemanfaatan Media Pembelajaran Geografi SMA Di Kabupaten Karanganyar. Jurnal Edudikara. 2(3): 210–216.
Septiani WD. 2017. Komparasi Metode Klasifikasi Data Mining Algoritma C4.5 Dan Naive Bayes Untuk Prediksi Penyakit Hepatitis. Jurnal Pilar Nusa Mandiri. 13(1): 76–84.
Via YV, Nugroho B, Syafrizal A. 2015. Sistem Pendukung Keputusan Klasifikasi Tingkat Keganasan Kanker Payudara Dengan Metode Naive Bayes Classifier. SCAN-Jurnal Teknologi Informasi Dan Komunikasi. 10(2): 63–68.
Zulfikar WB, Lukman N. 2017. Perbandingan Naive Bayes Classifier Dengan Nearest Neighbor Untuk Identifikasi Penyakit Mata.
Published
2019-12-23
How to Cite
KUSWARA, Heri; FRISSETYO, Taufik.
Diagnosa Penderita Penyakit Kanker Payudara Menggunakan Metode Naïve Bayes.
INFORMATION MANAGEMENT FOR EDUCATORS AND PROFESSIONALS : Journal of Information Management, [S.l.], v. 4, n. 1, p. 51-62, dec. 2019.
ISSN 2548-3331.
Available at: <http://ejournal-binainsani.ac.id/index.php/IMBI/article/view/1191>. Date accessed: 06 sep. 2024.
Section
Articles