Cover Image

Penggunaan Metode Pengelompokan K-Means Pada Klasifikasi KNN Untuk Penentuan Jenis Kanker Berdasarkan Susunan Protein

Main Author: Kurnianti, Ria
Format: Thesis NonPeerReviewed Book
Bahasa: eng
Terbitan: , 2013
Subjects:
005 Computer programming
programs
data
Online Access: http://repository.ub.ac.id/145816/1/Ria_Kurnianti%280810963065%29.pdf
http://repository.ub.ac.id/145816/
ctrlnum 145816
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.ub.ac.id/145816/</relation><title>Penggunaan Metode Pengelompokan K-Means Pada Klasifikasi KNN Untuk Penentuan Jenis Kanker Berdasarkan Susunan Protein</title><creator>Kurnianti, Ria</creator><subject>005 Computer programming, programs, data</subject><description>Kanker merupakan penyebab kematian kedua di dunia. Penyakit ini sulit disembuhkan jika penyebarannya sudah meluas, tetapi dengan pendeteksian dini dapat mengurangi resikonya. Deteksi yang sudah ada selama ini menggunakan biopsy, pengecekan imun maupun CT Scan. Metode pendeteksian tersebut hanya bisa mendeteksi kanker yang sudah meluas. Deteksi dini dapat dilakukan dengan melakukan klasifikasi pada sekuen protein. Metode KNN merupakan salah satu metode klasifikasi yang merupakan bagian dari data mining dimana objek dikelaskan berdasarkan kemunculan kelas terbanyak pada data latih. Disamping biaya komputasi tinggi dan bergantung pada nilai k nya, metode KNN ini tergolong mudah dan efektif digunakan pada data yang besar. Hasil klasifikasi tersebut bergantung pada data latih yang digunakan. Metode KNN dapat dioptimalkan dengan cara mengelompokan data latih sebelum dilakukan proses klasifikasi. Untuk metode pengelompokan yang mampu menangani data dalam jumlah besar dengan waktu komputasi yang cukup cepat dan relative efisien, dapat digunakan metode K-Means. Implementasi penggunaan metode ini dapat memberikan hasil error minimum yang cukup baik, yaitu sebesar 20.00% dan mendapatkan kestabilan nilai error pada saat data sudah terkelompok secara optimal. Data yang digunakan sebanyak 847 data latih dan 135 data uji.</description><date>2013-03-04</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/145816/1/Ria_Kurnianti%280810963065%29.pdf</identifier><identifier> Kurnianti, Ria (2013) Penggunaan Metode Pengelompokan K-Means Pada Klasifikasi KNN Untuk Penentuan Jenis Kanker Berdasarkan Susunan Protein. Sarjana thesis, Universitas Brawijaya. </identifier><relation>SKR/FTIK/2013/29/051300959</relation><recordID>145816</recordID></dc>
language eng
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
Book:Book
Book
author Kurnianti, Ria
title Penggunaan Metode Pengelompokan K-Means Pada Klasifikasi KNN Untuk Penentuan Jenis Kanker Berdasarkan Susunan Protein
publishDate 2013
isbn 280810963065
topic 005 Computer programming
programs
data
url http://repository.ub.ac.id/145816/1/Ria_Kurnianti%280810963065%29.pdf
http://repository.ub.ac.id/145816/
contents Kanker merupakan penyebab kematian kedua di dunia. Penyakit ini sulit disembuhkan jika penyebarannya sudah meluas, tetapi dengan pendeteksian dini dapat mengurangi resikonya. Deteksi yang sudah ada selama ini menggunakan biopsy, pengecekan imun maupun CT Scan. Metode pendeteksian tersebut hanya bisa mendeteksi kanker yang sudah meluas. Deteksi dini dapat dilakukan dengan melakukan klasifikasi pada sekuen protein. Metode KNN merupakan salah satu metode klasifikasi yang merupakan bagian dari data mining dimana objek dikelaskan berdasarkan kemunculan kelas terbanyak pada data latih. Disamping biaya komputasi tinggi dan bergantung pada nilai k nya, metode KNN ini tergolong mudah dan efektif digunakan pada data yang besar. Hasil klasifikasi tersebut bergantung pada data latih yang digunakan. Metode KNN dapat dioptimalkan dengan cara mengelompokan data latih sebelum dilakukan proses klasifikasi. Untuk metode pengelompokan yang mampu menangani data dalam jumlah besar dengan waktu komputasi yang cukup cepat dan relative efisien, dapat digunakan metode K-Means. Implementasi penggunaan metode ini dapat memberikan hasil error minimum yang cukup baik, yaitu sebesar 20.00% dan mendapatkan kestabilan nilai error pada saat data sudah terkelompok secara optimal. Data yang digunakan sebanyak 847 data latih dan 135 data uji.
id IOS4666.145816
institution Universitas Brawijaya
affiliation mill.onesearch.id
fkp2tn.onesearch.id
institution_id 30
institution_type library:university
library
library Perpustakaan Universitas Brawijaya
library_id 480
collection Repository Universitas Brawijaya
repository_id 4666
subject_area Indonesian Language Collection/Kumpulan Karya Umum dalam Bahasa Indonesia*
city MALANG
province JAWA TIMUR
shared_to_ipusnas_str 1
repoId IOS4666
first_indexed 2021-10-27T08:47:53Z
last_indexed 2021-10-28T07:33:26Z
recordtype dc
_version_ 1751454638407680000
score 17.538404

Lihat Juga