Diagnosis Kanker Payudara Menggunakan Machine Learning Dengan Algoritma K-Nearest Neighbor

Authors

  • Chalifa Chazar STMIK Indonesia Mandiri
  • Indra Nursyamsi STMIK Indonesia Mandiri
  • Patah Herwanto STMIK Indonesia Mandiri

Keywords:

Kanker payudara, , K-Nearest Neighbor, Machine Learning

Abstract

Banyak anggapan bahwa kanker payudara sama seperti tumor, pada kenyataanya tumor yang muncul tidak berarti kanker payudara. Penyakit ini sulit didiagnosis pada tahap awal, hal ini menyebabkan banyak penderita baru mengetahui kondisinya setelah memasuki tahapan yang sulit disembuhkan. Biopsi adalah teknik pemeriksaan dengan mengambil cairan di payudara dengan menggunakan Fine Needle Aspiration (FNA), selanjutnya akan dilakukan diagnosis untuk mengetahui jenis kanker apakah termasuk pada kelompok jinak atau ganas. Diagnosis ini membutuhkan waktu yang relative lama. Machine Learning (ML) memiliki kemampuan untuk dapat meniru kecerdasan manusia dan terus melakukan pembelajaran berdasarkan data atau pengalaman di masa lalu. Semakin sering digunakan Machine Learning (ML) akan menghasilkan tingkat akurasi yang lebih tinggi. Untuk meningkatkan hasil akurasi dari predisksi yang dihasilkan digunakan algoritma K-Nearest Neighbor (K-NN). Penelitian ini bertujuan untuk membangun aplikasi Machine Learning (ML) untuk mendiagnosis jenis kanker payudara dengan menggunkan algoritma K-Nearest Neighbor. Hasil dari penelitian ini menunjukan bahwa algoritma K-Nearest Neighbor (K-NN) dapat menentukan jenis kanker payudara dengan menggunkan sedikit data atau pengalaman dengan hasil akhir yang mudah dipahami.

Downloads

Download data is not yet available.

References

Asri, H., Mousannif, H., al Moatassime, H., & Noel, T. 2016. Using Machine Learning Algorithms for Breast Cancer Risk Prediction and Diagnosis. Procedia Computer Science, 83 (Fams), 1064–1069. https://doi.org/10.1016/j.procs.2016.04.224

Chazar, C., & Widhiaputra, B. E. 2020. Machine Learning Diagnosis Kanker Payudara Menggunakan Algoritma Support Vector Machine. INFORMASI (Jurnal Informatika dan Sistem Informasi). Vol 12 Nomor 1/05/2020. http://ojs.stmik-im.ac.id/index.php/INFORMASI/article/view/48

Mahdi, A., Razali, A., & Alwakil, A. 2011. Comparison of Fuzzy Diagnosis with K-Nearest Neighbor and Naïve Bayes Classifiers in Disease Diagnosis. https://www.researchgate.net/publication/266389722

Primartha, R (2018). Belajar Machine Learning. Informatika. Bandung.

Putra, J. A., & Laksita Akbar, A. 2016. Klasifikasi Pengidap Diabetes Pada Perempuan Menggunakan Penggabungan Metode Support Vector Machine dan K-Nearest Neighbour. In Informatics Journal (Vol. 1, Issue 2). http://archive.ics.uci.edu/ml/datasets/Pima+Indians+Diabetes

Redjeki, S. 2013. Perbandingan Algoritma Backpropagation dan K-Nearest Neighbour (K-NN) untuk Identifikasi Penyakit. Seminar Nasional Aplikasi Teknologi Informasi (SNATI). ISSN: 1907-5022

W. N. Street, O. L. Mangasarian, and W.H. Wolberg. Breast Cancer Wisconsin (Prognostic) Dataset. UCI. http://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/

Downloads

Published

2021-10-09