TY  - THES
Y1  - 2020/02//
AV  - none
UR  - http://eprints.unpak.ac.id/824/
A1  - Ayu Lestari, Putri
A1  - Setyaningsih, Sri
A1  - Maesya, Aries
ID  - eprintsunpak824
N2  - Abstrak Kanker payudara adalah jaringan payudara yang berasal dari kelenjar, saluran kelenjar dan jaringan penunjang payudara akan diserang oleh tumor ganas. Dataset berupa kanker payudara Coimbra dapat diperoleh dari UCI Machine Learning dengan 9 atribut yang mempengaruhi tingkat akurasi terhadap kanker payudara. Atribut tersebut adalah Age, BMI (Body Mass Index), Glucose, Insulin, HOMA, Leptin, Adiponectin, Resistin, MCP, Output. Tujuan penelitian ini yaitu untuk mengoptimalkan sebuah metode K-Nearest Neighbor berbasis Particle Swarm Optimization pada penyakit kanker payudara untuk mendapatkan hasil akurasi yang lebih baik. Berdasarkan hasil yang diperoleh dapat disimpulkan bahwa pembagian data latih dan data uji menggunakan k-fold cross validation digunakan 5 dan 6 literasi dengan jumlah data uji keseluruhan sebesar 30 data. Dari hasil k-fold cross validation ditentukan dengan nilai akurasi pada k 6 dengan rata-rata sebesar 81,13%. Sedangkan pengujian dengan pembobotan atribut yang berpengaruh yaitu ada 5 atribut. Atribut tersebut diantaranya adalah glucose, homa, leptin, adiponectin, resistin, mcp.1 dengan menghasilkan akurasi 86.67%. Dari hasil perhitungan nilai lain dapat dilihat precision dengan akurasi 70.00%, recall 87.50%, sensitivity 87.50%, specifitiy 95.00%, dan AUC 0.825. AUC yang termasuk dalam kategori baik (Good Classification).
Kata Kunci : Particle Swarm Optimization, Kanker Payudara, data mining.
M1  - Skripsi
TI  - OPTIMASI PARTICLE SWARM OPTIMIZATION UNTUK DETEKSI PENYAKIT KANKER PAYUDARA
PB  - Universitas Pakuan
ER  -