ANALISA ALGORITMA K-NEAREST NEIGHBOR (KNN), NAIVE BAYES DAN DECISION TREE C4.5 DENGAN METODE KLASIFIKASI DALAM PENYAKIT PADA KANKER PAYUDARA MENGGUNAKAN RAPIDMINER
Daftar Isi:
- Kanker payudara adalah kanker yang terbentuk di sel-sel bagian payudara. Ini adalah kanker yang paling umum pada wanita dan penyebab utama kematian akibat kanker pada wanita di seluruh dunia. Kanker payudara biasanya dibagi menjadi dua jenis: benign, atau biasanya disebut jinak dan malignant, atau biasanya disebut ganas. Kanker jinak biasanya ditandai dengan benjolan kecil bulat dan lembut. Di bidang obat, keuangan, marketing, dan sains sosial, data mining adalah alat yang populer untuk melakukan analisis yang sudah dibuktikan. Studi ini akan membandingkan pendekatan K-Nearest Neighbor (KNN), Naive Bayes, dan Decision Tree C4.5 untuk mengklasifikasikan kanker payudara. Masalah penelitian ini adalah algoritma mana yang memiliki tingkat akurasi tinggi yang dapat digunakan dengan dataset kanker payudara dan dapat memberikan informasi tentang pola atau model untuk deteksi dini kanker payudara. Hasil penelitian yang dilakukan menggunakan CRISP-DM menunjukkan bahwa K-Nearest Neighbor (KNN) memiliki nilai akurasi tertinggi dengan 97,14% dan nilai AUC-nya 0,976. Nilai AUC-nya juga menunjukkan klasifikasi yang sangat baik, dengan nilai AUC antara 0,90 dan 1,00.