IMPLEMENTATION OF NAIVE BAYES METHOD IN CLASSIFICATION OF BREAST CANCER DISEASE

ALAMSYAH ., EKO PRASETYO, R DIMAS ADITYO

Sari


Less knowledge of early symptoms of breast cancer and how to deal with it early and the number of specialist doctors who are still limited is one factor contributors because of the increasing number of people affected by breast cancer disease. The development of breast cancer disease classification system aims to predict the early diagnosis of breast cancer disease in users or patients into two categories of malignant or benign. The initial diagnoses of this system prediction variable include Clump Thickness, Uniformity of Cell Size, Uniformity ofCell Shape, Marginal Adhesion, Single Epithelial Cell Size (Single Epithelial Cell) Size), Bare nuclei, Bland Chromatin, Normal nucleoli, Mitosis Using the naive bayes method to process diagnostic data in patients, the results of this system test show that the system is able to predict and classify breast cancer disease into two categories (malignant or benign) with the amount of data testing of 500 data. With the output of malignant or YA and benign or NO, the system is able to predict with an accuracy value of 98%.


Teks Lengkap:

PDF

Referensi


Bustami. (2014), Penerapan Algoritma Naive Bayes Untuk Mengklasifikasii Data Nasabah Asuransi. Universitas Malikussaleh. Aceh Utara.

Fitriani, I. R. (2014), Peningkatan Metode Naive Bayes Clasification Untuk Penentuan Tingkat Keganasan Kanker Payudara Menggunakan Particle Swarm Optimization. Universitas Dian Nuswantoro. Jawa Tengah.

Jatmika, W. (2009), Deteksi Kanker Payudara Menggunakan Ekstraksi Fitur Statistical Pada Citra Mammogram Berbasis Jaringan Syaraf Tiruan. Universitas Muria. Kudus.

Karina, E. N dan Yamasari, Y. (2013), Aplikasi Diagnosa Kanker Kandungan Dengan Menggunakan Metode Naive Bayes (Study Kasus : Rumah Sakit Islam Surabaya).Universitas Negeri Surabaya. Surabaya

Kusumadewi, Sri. (2009), Klasifikasi Status Gizi Menggunakan Naive Bayesian Classification. Universitas Islam Indonesia. Yogyakarta.

Kardinah. (2007), DEPKES – RI. Kanker Payudara : Bagaimana menghindari berbagai ancaman. Diakses tanggal 21 April 2016. Dari : http://www.depkes.go.id/kanker.html.

Maulana, I. U dan Santoso, A. (2014), Klasifikasi Kanker Payudara Menggunakan Decision Tree Dengan Algoritma Interative Dichotomizer-3. Universitas Brawijaya. Malang.

Prasetyo, E. (2012), DATA MINING – Konsep dan Aplikasi Menggunakan Matlab, Andi : Yogyakarta.

Prasetyo, E. (2014), DATA MINING – Mengolah Data Menjadi Informasi Menggunakan Matlab, Andi : Yogyakarta.

Sholihin, M. (2011), Klasifikasi Kanker Pada Citra Mammogram. Universitas Islam Lamongan. Lamongan.

Wikipedia. (2011), KANKER PAYUDARA. Definisi dan detil tentang kanker payudara. Diakses tanggal 20 April 2016. Dari : http://id.wikipedia.org/wiki/Kanker_Payudara.html.

Wirawan, I. M. A. (2014), Sistem Fuzzy Pendukung Keputusan Untuk Diagnosa Kanker Payudara.Universitas Pendidikan Ganesha. Singaraja.


Refbacks

  • Saat ini tidak ada refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.