Komparasi Algoritma Naive Bayes, K-Nearest Neighbor dan C45 Pada Penyakit Melanoma

Yuyun Sugiana, Amin Apriyanti, Meilany Nonsi Tentua

Sari


Kulit merupakan organ tubuh paling luar yang melindungi tubuh manusia dari lingkungan hidup sekitar, kulit juga seperti anggota organ tubuh lainnya yang terdiri dari jutaan sel-sel. Sel-sel di dalam tubuh akan cepat membelah pada saat masa pertumbuhan, sedangkan pada saat dewasa sel tersebut akan lebih banyak membelah untuk menggantikan sel-sel yang mati ataupun sel-sel yang rusak dan untuk memperbaiki jaringan pada kulit. Naive Bayes Clasifier (NBC) merupakan salah satu metode pembelajaran supervised yang efisien, efektif, mudah, dan handal dalam menangani gangguan dalam data seperti atribut yang tidak relevan. Metode K-NN ini merupakan suatu bentuk model pendukung keputusan yang dapat mengklasifikasikan data berdasarkan jarak terdekat. Algoritma C4.5 adalah metode klasifikasi yang banyak digunakan karena memiliki beberapa keunggulan. Tingkat akurasi yang diperlihatkan pada dataMelanoma, Metode Naïve Bayes mempunya keakuratan klasifikasi yang paling tinggi dibandingkan dengan metode KNN dan Metode C45.

Teks Lengkap:

PDF

Referensi


M. P. Hendaria, S. Maliawan, U. Pusat, S. Denpasar, and K. S. Skuamosa, “Kanker kulit,” Kanker Kulit, pp. 1–17, 2013.

M. T. Furqon and R. Setya Perdana, “Klasifikasi Penyakit Kulit Pada Manusia Menggunakan Metode Binary Decision Tree Support Vector Machine (BDTSVM) (Studi Kasus: Puskesmas Dinoyo Kota Malang) Twitter event detection View project Twitter Sentiment Analysis View project,” no. February 2018, 2017.

E. Melindungi et al., “Sebagai Tabir Surya Di Desa Pulau Semambu Indralaya,” pp. 840–843, 2014.

S. Rosidah, Y. Sardjono, and Y. Sumardi, “Analisis Dosis Bnct Pada Kanker Kulit Melanoma Menggunakan Mcnpx Dengan Sumber Neutron Dari Kolom Termal Reaktor,” J. Fis., vol. 6, pp. 352–359, 2017.

E. S. Nugroho and Y. E. Anggraini, “Review Teknik Segmentasi Pada Deteksi Kanker Kulit ( Melanoma ),” J. Komput. Terap., vol. 4, no. 1, pp. 43–49, 2018.

A. I. Riker, N. Zea, and T. Trinh, “The epidemiology, prevention, and detection of melanoma,” Ochsner J., vol. 10, no. 2, pp. 56–65, 2010.

J. Vranova et al., “Malignant melanoma in the Czech republic: Incidence and mortality according to sex, Age and disease stage,” Biomed. Pap., vol. 158, no. 3, pp. 438–446, 2014, doi: 10.5507/bp.2012.081.

P. A. Izzati Saila Hafsah, “Deteksi Otomatis Penyakit Kulit Menggunakan Algoritma Naive Bayes,” no. 5, pp. 1–6.

M., M. F. Asikin, D. Kurniawaty, S. K. Sari, and I. Cholissodin, “Implementasi

Metode Naïve Bayes Classifier Untuk Seleksi Asisten Praktikum Pada Simulasi Hadoop Multinode Cluster,” J. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 4, p. 273, 2016, doi: 10.25126/jtiik.201634227.

N. L. G. P. Suwirmayanti, “Penerapan Metode K-Nearest Neighbor Untuk Sistem Rekomendasi Pemilihan Mobil,” Techno.Com, vol. 16, no. 2, pp. 120–131, 2017, doi: 10.33633/tc.v16i2.1322.

Tentua, M.N., Sihabuddin, A., “Improved C4.5 algorithm using the L’hospital rule and prunning on the recommendation system”, International Journal of Scientific and Technology Research, Volume 8, Issue 11, November 2019

D. I. Baihaqi, A. N. Handayani, and U. Pujianto, “Perbandingan Metode Naïve BayesDan C4.5 Untuk Memprediksi Mortalitas Pada Peternakan Ayam Broiler,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 10, no. 1, pp. 383–390, 2019, doi: 10.24176/simet.v10i1.2846.


Refbacks

  • Saat ini tidak ada refbacks.