Article Per Year (5 Year)
p-Index From 2019 - 2024
1.066
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Matrik Informatik : Jurnal Ilmu Komputer JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)
Iin Ernawati
Universitas Pembangunan Nasional Veteran Jakarta
Computer Science & IT Education

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)

 1 
KLASIFIKASI MULTI-LABEL MENGGUNAKAN METODE MULTI-LABEL K-NEAREST NEIGHBOR (ML-KNN) PADA PENYAKIT KANKER SERVIKS Erisa Rizkyani; Iin Ernawati; Nurul Chamidah
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 7, No 4 (2022)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v7i4.3260

Abstract

Berdasarkan data statistik GLOBOCAN 2020, kanker serviks menempati urutan ke-8 penyakit kanker yang banyak diderita perempuan di seluruh dunia dengan jumlah kasus sebanyak 604.127 kasus dengan angka kematian mencapai 341.831 jiwa. Sedangkan di Indonesia tercatat penderita penyakit kanker serviks berada di urutan ke-2 dengan jumlah kasus sebanyak 36.633 kasus dengan angka kematian mencapai 21.003 jiwa. Multi-Label K-Nearest Neighbor (ML-KNN) merupakan salah satu adaptive algorithm yang dapat digunakan untuk menyelesaikan kasus klasifikasi multi-label. Pada penelitain ini menggunakan dataset yang diperoleh dari website UCI Machine Learning. Pada dataset tersebut akan dilakukan pra-proses data dengan menghapus missing value, mengecek duplicate data, mengecek tipe data, dan melakukan resample data berupa oversampling pada label Biopsy karena data kelas 1 dan 0 yang tidak seimbang. Selanjutnya data dibagi menjadi data latih dan data uji dengan perbandingan 80:20. Pada data latih, dicari kedekatannya dengan nilai k yang sudah ditentukan yaitu K=1, K=3, K=5, K=7, dan K=9. Diperoleh hasil evaluasi performa terbaik yaitu saat nilai K=5 yang memperoleh nilai hamming loss sebesar 3,59%, akurasi sebesar 93%, precision weighted sebesar 93%, recall weighted sebesar 96%, dan f1-score weighted sebesar 94%.
Co-Authors Anita Muliawati Ardiyan Agusta Ballya Vicky Haekal Cindy Chairunnisa Erisa Rizkyani Hanif Rabbani Zubair Nurul Chamidah Qahtan Said Santoni, Mayanda Mega