Please use this identifier to cite or link to this item: https://repository.unej.ac.id/xmlui/handle/123456789/101771
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorANGGRAENI, Dian-
dc.contributor.advisorFATEKUROHMAN, Mohamad-
dc.contributor.authorSETYORINI, Maria Artati Eka-
dc.date.accessioned2020-11-09T01:05:40Z-
dc.date.available2020-11-09T01:05:40Z-
dc.date.issued2020-
dc.identifier.urihttp://repository.unej.ac.id/handle/123456789/101771-
dc.description.abstractKanker paru-paru merupakan penyakit dengan adanya pertumbuhan sel tidak terkontrol pada jaringan paru-paru. Kanker paru-paru dapat menyerang siapa saja dan sering tidak menimbulkan gejala awal, maka perlu adanya deteksi kanker. Penelitian ini tentang deteksi kanker menggunakan Algoritma Data Mining dengan metode machine learning Random Forest dan Support Vector Machine (SVM). Random Forest diawali dengan teknik klasifikasi dasar decision tree. Sesuai dengan namanya, konsep metode klasifikasi ini menciptakan sebuah hutan (forest) dengan sejumlah pohon (tree) secara acak (random). Sedangkan konsep metode klasifikasi SVM menjelaskan bagaimana upaya sederhana untuk menemukan fungsi pemisah terbaik (hyperplane). Dasarnya SVM bekerja dengan prinsip linier classifier, kemudian dikembangkan untuk dapat bekerja pada kasus non linear dengan menggunakan konsep kernel pada ruang kerja berdimensi tinggi. Hasil klasifikasi Random Forest menghasilkan akurasi sebesar 90,32%. Sedangkan, hasil klasifikasi SVM menghasilkan akurasi sebesar 87,10%. Supaya dapat menampilkan visualisasi dari hasil klasifikasi masing-masing metode pada ruang 2D maka penelitian ini menggunakan PCA (Principal Component Analysis). PCA juga sangat berpengaruh dalam meningkatkan akurasi dalam sebuah metode klasifikasi, dapat dilihat pada metode Random Forest menggunakan PCA menghasilkan akurasi sebesar 100% dan metode SVM menggunakan PCA menghasilkan akurasi sebesar 93,47%. Tujuan dari penelitian ini adalah melakukan perbandingan akurasi di antara metode-metode klasifikasi yang sudah di analisis seperti metode Random Forest, SVM, PCA-Random Forest, dan PCA-SVM. Di antara empat metode tersebut dapat ditarik kesimpulan bahwa metode PCA-Random Forest menghasilkan tingkat akurasi tertinggi sebesar 100%. Artinya, metode tersebut sangat baik dalam mengelompokkan kelas orang normal dan kelas orang terdiagnosis kanker paruparu tanpa adanya misklasifikasi. Visualisasi hasil klasifikasi Random Forest dan SVM mampu memperlihatkan berapa jumlah orang yang normal, jumlah orang yang terdiagnosis kanker paru-paru dan jumlah data yang misklasifikasi.en_US
dc.language.isootheren_US
dc.relation.ispartofseries161810101032;-
dc.subjectPerbandinganen_US
dc.subjectMachine Learningen_US
dc.subjectRandom Foresten_US
dc.subjectupport Vector Machineen_US
dc.subjectKanker Paru-Paruen_US
dc.titleAnalisis Perbandingan Metode Machine Learning: Random Forest dan Support Vector Machine Untuk Deteksi Kanker Paru-Paruen_US
dc.typeThesisen_US
Appears in Collections:UT-Faculty of Mathematics and Natural Sciences

Files in This Item:
File Description SizeFormat 
MARIA ARTATI EKA SETYORINI - 161810101032_.pdf3.31 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

Admin Tools