Article Per Year (5 Year)
p-Index From 2019 - 2024
2.109
P-Index
This Author published in this journals
All Journal SemanTIK : Teknik Informasi Promotif: Jurnal Kesehatan Masyarakat Jurnal Manajemen Kesehatan Yayasan RS.Dr. Soetomo SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan Lentera Acitya Journal Of Health Humanism : Jurnal Pengabdian Masyarakat Media Publikasi Promosi Kesehatan Indonesia (MPPKI) Jurnal Kesehatan Lentera Acitya
Rosdiana Rosdiana
Universitas Mega Buana Palopo
Religion Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Dentistry Economics, Econometrics & Finance Education Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Nursing Public Health Social Sciences Veterinary Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : SemanTIK : Teknik Informasi

 1 
MODEL KLASIFIKASI KANKER PAYUDARA BERDASARKAN STATUS KEGANASAN MENGGUNAKAN ALGORTIMA RANDOM FOREST DAN DECISION TREE Sukirno Kasau; Diana Mirza Togubu; Hasmah Hasmah; Muh. Ilyas Nur; Rosdiana Rosdiana; Sandrawati Sandrawati
semanTIK : Teknik Informasi Vol 8, No 2 (2022): semanTIK : Teknik Informasi
Publisher : Informatics Engineering Department of Halu Oleo University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55679/semantik.v8i2.28239

Abstract

Kanker payudara merupakan penyumbang kematian tertinggi di kalangan perempuan. penelitian ini bertujuan untuk membuat model aplikasi yang dapat menganalisis klasifikasi kanker payudara berdasarkan status keganasan (jinak atau ganas) menggunakan metode data mining dengan algoritma random forest dan decision tree. Data yang digunakan dalam penelitian ini diambil dari Breast Cancer Wisconsin (Diagnostic) Data Set di Kaggle.com, yang terdiri dari 31 variabel dan 569 data. Data tersebut dibagi menjadi data training dan data test, kemudian diuji menggunakan algoritma random forest dan decision tree. Hasilnya, algoritma decision tree memiliki tingkat akurasi sebesar 95%, sedangkan algoritma random forest memiliki tingkat akurasi sebesar 97%. Berdasarkan hasil tersebut, dapat disimpulkan bahwa kedua algoritma tersebut dapat digunakan untuk melakukan klasifikasi kanker payudara berdasarkan tingkat keganasannya dan algoritma random forest memiliki tingkat akurasi yang lebih tinggi dibandingkan dengan decision tree yaitu 97% versus 95%.Kata kunci; Kanker Payudara, Random Forest, Decision Tree
Co-Authors Andi Misnawati Arini Purnamasari Darmawansyah Darmawansyah Diana Mirza Togubu Farida Farida Haerawati Idris Hasmah Hasmah Jangga Jangga Marzuki, Dian Saputra Misnawati, Andi Muh Yusri Abadi Muh. Ilyas Nur Muhammad Al Fajrin Muhammad Alwy Arifin Nining Ade Ningsih Nining Ade Ningsih Rio Aristo Birawa Sandrawati Sandrawati Saparuddin Latu Sukirno Kasau Usman, Arifa