KLASIFIKASI TEKS MINING UNTUK DETEKSI KANKER MENGGUNAKAN SUPPORT VECTOR MACHINE

Ginanjar Abdurrahman; Hardian  Oktavianto

doi:10.35316/justify.v3i1.5028

Ginanjar Abdurrahman Teknik Informatika,Taknik, Universitas Muhammadiyah Jember, Indonesia
Hardian Oktavianto Teknik Informatika,Taknik, Universitas Muhammadiyah Jember, Indonesia

10.35316/justify.v3i1.5028

Abstract

Banyak kasus kematian akibat kanker disebabkan oleh pasien yang terlambat memeriksakan diri. Pasien memeriksakan diri ke dokter jika kankernya sudah pada stadium tinggi (akut). Kanker merupakan penyebab kematian utama di dunia. Pada tahun 2020, tercatat hampir 10 juta kematian akibat kanker. Pembelajaran mesin adalah teknik yang meniru cara mesin (komputer) belajar dari data. Klasifikasi merupakan algoritma pembelajaran mesin untuk mencari pola dengan tujuan memisahkan kelas data. Salah satu algoritma klasifikasi untuk mengklasifikasikan data kanker adalah algoritma support vector machine (SVM).. Pada penelitian ini kanker (tiroid, paru-paru dan usus besar) akan diklasifikasi menggunakan algoritma SVM. Pasien nantinya akan diklasifikasikan menderita kanker tiroid, kanker paru-paru, atau kanker usus besar. Dataset ini merupakan data teks yang merupakan dataset publik yang diambil dari Kaggle. Setelah data melalui preprocessing dan dilakukan klasifikasi menggunakan algoritma SVM dengan proporsi pembagian train-test sebesar 70% sebagai data latih dan 30% sebagai data uji. Hasil penelitian manunjukkan bahwa matriks kinerja algoritma sebagai berikut: nilai akurasi sebesar 93,83%, nilai presisi sebesar 94,23%, nilai recall sebesar 94,35%, dan nilai F1-measure sebesar 94,27%

References

I. Buana and D. A. Harahap, “Asbestos, Radon Dan Polusi Udara Sebagai Faktor Resiko Kanker Paru Pada Perempuan Bukan Perokok,” AVERROUS J. Kedokt. dan Kesehat. Malikussaleh, vol. 8, no. 1, p. 1, 2022, doi: 10.29103/averrous.v8i1.7088.

T. Agustin, “Potensi Metabolit Aktif Dalam Sayuran Cruciferous Untuk Menghambat Pertumbuhan Sel Kanker,” J. Penelit. Perawat Prof., vol. 1, no. November, pp. 89–94, 2019.

Widyawati, “Hari Kanker Sedunia 2019,” 2019.

A. W. Sindi Yulia Mustika, “MANAJEMEN ANESTESI PADA PAPILLARY THYROID CARCINOMA: SEBUAH LAPORAN KASUS,” vol. 4, no. November, pp. 1377–1386, 2022.

A. Nur, A. Santosa, and A. Siti Komariyah, “Karakteristik Kanker Tiroid di Maluku Utara Tahun 2017-2018,” J. Endur. Kaji. Ilm. Probl. Kesehat., vol. 8, no. 2, pp. 246–252, 2023, [Online]. Available: https://creativecommons.org/licenses/by/4.0/%0Ahttps://sinta.kemdikbud.go.id/journals/profile/1162.

S. Sugiharto, R. A. P. Simanjuntak, and O. Larissa, “Kanker Paru, Faktor Risiko Dan Pencegahannya,” Pros. SENAPENMAS, p. 613, 2021, doi: 10.24912/psenapenmas.v0i0.15060.

S. J. Zannah, I. S. Murti, and S. Sulistiawati, “Hubungan Usia dengan Stadium Saat Diagnosis Penderita Kanker Kolorektal di RSUD Abdul Wahab Sjahranie Samarinda,” J. Sains dan Kesehat., vol. 3, no. 5, pp. 701–705, 2021, doi: 10.25026/jsk.v3i5.629.

P. Bimo, N. Setio, D. Retno, S. Saputro, and B. Winarno, “Klasifikasi dengan Pohon Keputusan Berbasis Algoritme C4.5,” Prism. Pros. Semin. Nas. Mat., vol. 3, pp. 64–71, 2020.

R. Nanda, E. Haerani, S. K. Gusti, and S. Ramadhani, “Klasifikasi Berita Menggunakan Metode Support Vector Machine,” vol. 5, no. 2, pp. 269–278, 2022.

D. H. Amalia and W. Yustanti, “Klasifikasi Buku Menggunakan Metode Support Vector Machine pada Digital Library,” J. Informatics Comput. Sci., vol. 3, no. 01, pp. 55–61, 2021, doi: 10.26740/jinacs.v3n01.p55-61.