Melola Discovery

← Melola Discovery

Akses terbuka Jurnal SINTA 1

Pancreatic cancer classification using logistic regression and random forest

IAES International Journal of Artificial Intelligence · Vol. 10 No. 2 (2021) · hlm. 476–481

DOI
10.11591/ijai.v10.i2.pp476-481
ISSN
2252-8938, 2089-4872
Terbit
2021-06-01
Penerbit
Institute of Advanced Engineering and Science
Bahasa
eng
Lisensi
creativecommons.org/licenses/by-sa/4.0

Abstrak

In the medical field, technology machinery is needed to solve several classification problems. Therefore, this research is useful to solve the problem of the medical field by using machine learning. This study discusses the classification of pancreatic cancer by using regression logistics and random forest. By comparing the accuracy, precision, recall (sensitivity), and F1-score of both methods, then we will know which method is better in classifying the pancreatic cancer dataset that we get from Al-Islam Hospital, Bandung, Indonesia. The results showed that random forest has better accuracy than logistic regressions. It can be seen with maximum accuracy of logistic regressions 96.48 with 30% data training and random forest 99.38% with 20% of data training.

Kata kunci

Jaringan kolaborasi para penulis

40 penulis · 96 tautan kepenulisan bersama · menampilkan 40 yang paling banyak terhubung

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Institut Agama Islam Negeri Kendari
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Ilsya WirasatiAfiliasi tidak diketahui8
Jane Eva AureliaAfiliasi tidak diketahui6
Glori Stephani SaragihAfiliasi tidak diketahui4
Fitri HaryantiAfiliasi tidak diketahui3
Lely LusmilasariAfiliasi tidak diketahui3
Anang PriyantoAfiliasi tidak diketahui2
Syarief Nur HusinAfiliasi tidak diketahui1
Sayyida SayyidaAfiliasi tidak diketahui1
Sri GunawanAfiliasi tidak diketahui1
Desy Julyana SilitongaAfiliasi tidak diketahui1
Adrian WinandoAfiliasi tidak diketahui1
Ahmad Dzaky AttallahAfiliasi tidak diketahui1
Fredica Larasti TambunanAfiliasi tidak diketahui1
Mukhaira El AkmalAfiliasi tidak diketahui1
Nita Permata Sari SiregarAfiliasi tidak diketahui1
Beby Astri TariganAfiliasi tidak diketahui1
Vilbert HerlambangAfiliasi tidak diketahui1
Sally KorinAfiliasi tidak diketahui1
Fillia Agaventy Br SembiringAfiliasi tidak diketahui1
Karen Felycia TariganAfiliasi tidak diketahui1
Jocelyn Listo GovannyAfiliasi tidak diketahui1
Christine ChristineAfiliasi tidak diketahui1
Rachael PatriciaAfiliasi tidak diketahui1
Muhammad IkhsanInstitut Agama Islam Negeri Kendari1
Rianda ElvinawantyAfiliasi tidak diketahui1
CalistaAfiliasi tidak diketahui1
VeniAfiliasi tidak diketahui1
Siti KunartiAfiliasi tidak diketahui1
Adhitia PradanaAfiliasi tidak diketahui1
Syarafina Dyah AmaliaAfiliasi tidak diketahui1
Bahar ElfudllatsaniAfiliasi tidak diketahui1
Hera Heru Sri SuryantiAfiliasi tidak diketahui1
Ferisa Prasetyaning UtamiAfiliasi tidak diketahui1
Muhammad Pramono HadiAfiliasi tidak diketahui1
S SudibyaktoAfiliasi tidak diketahui1
Aris PonimanAfiliasi tidak diketahui1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) http://ijai.iaescore.com/index.php/IJAI/oai, pertama di-harvest 8 Nov 2026, terakhir terlihat 8 Nov 2026.
Metadata asli (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">Pancreatic cancer classification using logistic regression and random forest</dc:title>
	<dc:creator>Rustam, Zuherman</dc:creator>
	<dc:creator>Zhafarina, Fildzah</dc:creator>
	<dc:creator>Saragih, Glori Stephani</dc:creator>
	<dc:creator>Hartini, Sri</dc:creator>
	<dc:subject xml:lang="en-US"></dc:subject>
	<dc:subject xml:lang="en-US">Classification; Logistic regression; Machine learning; Pancreatic cancer; Random forest</dc:subject>
	<dc:description xml:lang="en-US">In the medical field, technology machinery is needed to solve several classification problems. Therefore, this research is useful to solve the problem of the medical field by using machine learning. This study discusses the classification of pancreatic cancer by using regression logistics and random forest. By comparing the accuracy, precision, recall (sensitivity), and F1-score of both methods, then we will know which method is better in classifying the pancreatic cancer dataset that we get from Al-Islam Hospital, Bandung, Indonesia. The results showed that random forest has better accuracy than logistic regressions. It can be seen with maximum accuracy of logistic regressions 96.48 with 30% data training and random forest 99.38% with 20% of data training.</dc:description>
	<dc:publisher xml:lang="en-US">Institute of Advanced Engineering and Science</dc:publisher>
	<dc:contributor xml:lang="en-US"></dc:contributor>
	<dc:date>2021-06-01</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US"></dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://ijai.iaescore.com/index.php/IJAI/article/view/20808</dc:identifier>
	<dc:identifier>10.11591/ijai.v10.i2.pp476-481</dc:identifier>
	<dc:source xml:lang="en-US">IAES International Journal of Artificial Intelligence (IJ-AI); Vol 10, No 2: June 2021; 476-481</dc:source>
	<dc:source>2252-8938</dc:source>
	<dc:source>2089-4872</dc:source>
	<dc:source>10.11591/ijai.v10.i2</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://ijai.iaescore.com/index.php/IJAI/article/view/20808/13130</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2021 Institute of Advanced Engineering and Science</dc:rights>
	<dc:rights xml:lang="en-US">http://creativecommons.org/licenses/by-sa/4.0</dc:rights>
</oai_dc:dc>