PENERAPAN METODE CORRELATED NAÏVE BAYES UNTUK KLASIFIKASI PENYAKIT KANKER PAYUDARA

Hani Setiani; Novi Tristanti

doi:10.35145/joisie.v9i1.4769

Hani Setiani Universitas Sragen
Novi Tristanti Universitas Sragen

DOI: https://doi.org/10.35145/joisie.v9i1.4769

Abstract viewed = 90 times

PDF (Bahasa Indonesia) downloaded = 84 times

Abstract

Kanker payudara merupakan salah satu penyebab utama kematian di dunia, di mana deteksi dini sangat penting untuk meningkatkan prognosis pasien. Namun, metode tradisional yang bergantung pada pengalaman dokter masih rentan terhadap kesalahan diagnosis, yang dapat menghambat upaya penanganan yang tepat. Oleh karena itu, penelitian ini bertujuan untuk meningkatkan akurasi dalam klasifikasi kanker payudara dengan menerapkan metode Correlated Naïve Bayes (C-NBC). Metode ini dipilih karena kemampuannya untuk mengukur korelasi antara atribut dan kelas, yang dapat menghasilkan klasifikasi yang lebih tepat dan akurat. Penelitian ini menggunakan dataset Breast Cancer Coimbra yang terdiri dari 10 atribut untuk menguji kinerja kedua metode tersebut. Hasil pengujian menunjukkan bahwa metode Naïve Bayes menghasilkan akurasi sebesar 88,57%, sementara metode Correlated Naïve Bayes berhasil meningkatkan akurasi klasifikasi hingga 91,42%, yang lebih tinggi sebesar 2,85% dibandingkan dengan metode Naïve Bayes. Penelitian ini menunjukkan bahwa metode Correlated Naïve Bayes dapat meningkatkan performa klasifikasi penyakit kanker payudara dan dapat memberikan kontribusi terhadap pengembangan metodologi klasifikasi dalam bidang medis.

Downloads

Download data is not yet available.

References

Adzy, L.B., Asriyanik, A. and Pambudi, A. (2023), Algoritma Naïve Bayes Untuk Klasifikasi Kelayakan Penerima, , 6(1), 1–10.
Anggraini, R.A. (2024), Algoritma Naïve Bayes Dengan Backward Elimination Pada Dataset Breast Cancer, Jurnal Kajian Ilmiah, 23(1), 87–94.
Dewi, S.P., Nurwati, N. and Rahayu, E. (2022), Penerapan Data Mining Untuk Prediksi Penjualan Produk Terlaris Menggunakan Metode K-Nearest Neighbor, Building of Informatics, Technology and Science (BITS), 3(4), 639–648.
Fauzi, A., Supriyadi, R. and Maulidah, N. (2020), Deteksi Penyakit Kanker Payudara dengan Seleksi Fitur berbasis Principal Component Analysis dan Random Forest, Jurnal Infortech, 2(1), 96–101.
Hairani, H. and Innuddin, M. (2020), Kombinasi Metode Correlated Naive Bayes dan Metode Seleksi Fitur Wrapper untuk Klasifikasi Data Kesehatan, Jurnal Teknik Elektro, 11(2), 50–55.
Kausar, R., Budiman Kusdinar, A. and Setiawan, I.R. (2022), Penerapan Metode Naive Bayes Untuk Penilaian Ujian Kenaikan Tingkat Olahraga Karate, , 07, 2657–1501Accessed from https://kaggle.com/.
Kinerja, E., Naïve, A. and Svm, D.A.N. (2024), Evaluasi kinerja algoritma naïve bayes, knn, dan svm dalam analisis sentimen media sosial, , 9(2), 157–166.
Kusumawaty, J., Noviati, E., Sukmawati, I., Srinayanti, Y. and Rahayu, Y. (2021), Efektivitas Edukasi SADARI (Pemeriksaan Payudara Sendiri) Untuk Deteksi Dini Kanker Payudara, ABDIMAS: Jurnal Pengabdian Masyarakat, 4(1), 496–501.
Mardiana, A. and Kurniasari, L. (2021), Hubungan Pengetahuan Pemeriksaan Payudara Sendiri ( SADARI ) dengan Kejadian Kanker Payudara di Kalimantan Timur, Borneo Student Research, 2(2), 1052–1059.
Maryam, M. and Ariono, H.W. (2022), Sistem Pakar Pengklasifikasi Stadium Kanker Serviks Berbasis Mobile Menggunakan Metode Decision Tree, Jurnal Kajian Ilmiah, 22(3), 267–278.
Muktamar, B.A., Setiawan, N.A. and Adji, T.B. (2015), Analisis Perbandingan Tingkat Akurasi Algoritma Naive Bayes Classifier dengan Correlated-Naive Bayes Classifier, Seminar Nasional Teknologi Informasi Dan Multimedia 2015, 49–54.
Mustika, Ardila, Y., Manuhutu, A., Ahmad, N., Hasbi, I., Guntoro, … Ernawati, I. (2021), Data Mining dan Aplikasinya, Penerbit Widina.
Nurjanah, N., Nur Rani, A., Hikmayanti Handayani, H., Fitri Nur Masruriyah, A., Buana Perjuangan Karawang Kota Karawang, U. and Korespondensi Diajukan, P. (2023), Implementasi Model Klasifikasi Jenis Kanker Payudara Menggunakan Algoritma SVM dan Logistic Regression berbasis Web, Riset Dan E-Jurnal Manajemen Informatika Komputer, 7(4), 2023Accessed from http://doi.org/10.33395/remik.v7i4.12817.
Oktafiani, R., Hermawan, A. and Avianto, D. (2023), Pengaruh Komposisi Split data Terhadap Performa Klasifikasi Penyakit Kanker Payudara Menggunakan Algoritma Machine Learning, Jurnal Sains Dan Informatika, 9(April), 19–28.
Oktavianto, H. and Handri, R.P. (2020), Analisis Klasifikasi Kanker Payudara Menggunakan Algoritma Naive Bayes, INFORMAL: Informatics Journal, 4(3), 117.
Payana, mahendar dwi, Waiz, Musliyana, Z. and TB, D.R.Y. (2024), Pentingnya Aplikasi Berbasis Web Untuk Pengaduan Dan Kesehatan : Solusi Untuk Peningkatan Keselamatan Dan Efektivitas Penanganan Kasus the Importance of Web-Based Applications for Accident and Health Reporting : a Solution for Enhancing Safety and Case, , 10(2).
Prahartiwi, L.I. and Dari, W. (2021), Komparasi Algoritma Naive Bayes, Decision Tree dan Support Vector Machine untuk Prediksi Penyakit Kanker Payudara, Jurnal Teknik Komputer AMIK BSI, 7, 1.
Putra, F., Tahiyat, H.F., Ihsan, R.M., Rahmaddeni, R. and Efrizoni, L. (2024), Penerapan Algoritma K-Nearest Neighbor Menggunakan Wrapper Sebagai Preprocessing untuk Penentuan Keterangan Berat Badan Manusia, MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(1), 273–281.
Resmiati, R. and Arifin, T. (2021), Klasifikasi Pasien Kanker Payudara Menggunakan Metode Support Vector Machine dengan Backward Elimination, Sistemasi, 10(2), 381.
Rizkyani, E., Iskandar, N.A. and Chamidah, N. (2021), Klasifikasi dalam Mendeteksi Penyakit Kanker Payudara dengan Menggunakan Metode Random Forest dan Adaboost, Seminar Nasional Mahasiswa Ilmu Komputer Dan Aplikasinya (SENAMIKA), (September), 335–343Accessed from https://conference.upnvj.ac.id/index.php/senamika/article/view/1774%0Ahttps://conference.upnvj.ac.id/index.php/senamika/article/download/1774/1413.
Setiani, H., Sunyoto, A. and Nasiri, A. (2022), Metode Naïve Bayes dan Particle Swarm Optimization untuk Klasifikasi Penyakit Jantung, Explore, 12(2), 6.
Subarkah, P., Damayanti, W.R. and Permana, R.A. (2022), Comparison of Correlated Algorithm Accuracy Naive Bayes Classifier and Naive Bayes Classifier for Classification of heart failure, ILKOM Jurnal Ilmiah, 14(2), 120–125.
Tiana, E. and Wahyuni, S. (2020), Hasil Analisis Teknik Data Mining dengan Metode Naive Bayes untuk Mendiagnosa Penyakit Kanker Payudara, Jurnal Sistem Komputer Dan Informatika (JSON), 1(2), 130.
Windy Mardiyyah, N., Rahaningsih, N. and Ali, I. (2024), Penerapan Data Mining Menggunakan Algoritma K-Nearest Neighbor Pada Prediksi Pemberian Kredit Di Sektor Finansial, JATI (Jurnal Mahasiswa Teknik Informatika), 8(2), 1491–1499.
Yulhendri, Y., Malabay, M. and Kartini, K. (2023), Correlated Naïve Bayes Algorithm to Determine Healing Rate of Hepatitis Patients, International Journal of Science, Technology & Management, 4(2), 401–410.